计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2011年
4期
115-118,312
,共5页
支持向量机%主成分分析%客户流失%预测
支持嚮量機%主成分分析%客戶流失%預測
지지향량궤%주성분분석%객호류실%예측
客户流失分析与预测是客户关系管理的重要内容.由于电信客户的特征呈高度非线性、严重冗余和高维数,传统方法无法消除数据之间冗余和捕获非线性规律,导致预测精度较低.为了提高电信客户流失预测精度,提出一种基于主成份分析(PCA)支持向量机(SVM)的电信客户流失预测方法(PCA-SVM).首先利用主成分分析对原始数据进行特征降维,消除冗余,然后将得到的主成分作为非线性支持向量机的输入进行学习建模.对某电信公司客户流失数据进行了仿真,实验结果表明,PCA-SVM获得的命中率、覆盖率、准确率和提升系数远远高于其它预测方法.说明主成分分析结合支持向量机的数据挖掘方法具有很好的预测效果,为电信客户流失预测提供了一种新方法.
客戶流失分析與預測是客戶關繫管理的重要內容.由于電信客戶的特徵呈高度非線性、嚴重冗餘和高維數,傳統方法無法消除數據之間冗餘和捕穫非線性規律,導緻預測精度較低.為瞭提高電信客戶流失預測精度,提齣一種基于主成份分析(PCA)支持嚮量機(SVM)的電信客戶流失預測方法(PCA-SVM).首先利用主成分分析對原始數據進行特徵降維,消除冗餘,然後將得到的主成分作為非線性支持嚮量機的輸入進行學習建模.對某電信公司客戶流失數據進行瞭倣真,實驗結果錶明,PCA-SVM穫得的命中率、覆蓋率、準確率和提升繫數遠遠高于其它預測方法.說明主成分分析結閤支持嚮量機的數據挖掘方法具有很好的預測效果,為電信客戶流失預測提供瞭一種新方法.
객호류실분석여예측시객호관계관리적중요내용.유우전신객호적특정정고도비선성、엄중용여화고유수,전통방법무법소제수거지간용여화포획비선성규률,도치예측정도교저.위료제고전신객호류실예측정도,제출일충기우주성빈분석(PCA)지지향량궤(SVM)적전신객호류실예측방법(PCA-SVM).수선이용주성분분석대원시수거진행특정강유,소제용여,연후장득도적주성분작위비선성지지향량궤적수입진행학습건모.대모전신공사객호류실수거진행료방진,실험결과표명,PCA-SVM획득적명중솔、복개솔、준학솔화제승계수원원고우기타예측방법.설명주성분분석결합지지향량궤적수거알굴방법구유흔호적예측효과,위전신객호류실예측제공료일충신방법.
