东篱科研大数据发现系统（DRDS）

位置：成果数据库 > 期刊 > 期刊详情页

改进的支持向量分类机在客户流失预测中的应用

期刊名称：计算机应用研究
时间：0
页码：2044-2046+2052
语言：中文
分类：F27[经济管理—企业管理;经济管理—国民经济]
作者机构：[1]电子科技大学博士后流动站,成都610054, [2]电子科技大学管理学院,成都610054
相关基金：基金项目：国家自然科学基金资助项目（70801021）;国家教育部人文社会科学研究基金资助项目（08JC630019）;中国博士后科学基金资助项目（20080431276）;广西科学基金资助项目（桂科青0832102）;广西教育厅立项项目（200712LX290）致谢：感谢美国DUKE大学TERADATA客户关系管理中心Lakeisha Fusi先生所提供的数据支持.
相关项目：客户流失预测理论与实证研究

关键词：客户流失, 支持向量分类机, 电信业, 惩罚参数, customer churn, support vector classifier（SVC） , telecommunication industry, penalty parameter

中文摘要：

针对目前客户流失预测方法的不足，在利用训练样本中不同类个数比值来确定各类惩罚参数的基础上，改进标准的C-支持向量分类机（SVC）。通过以美国某电信公司客户流失预测为实例，与标准C-SVC、人工神经网络、决策树、贝叶斯分类器等方法进行了对比，发现该方法能获得较好的正确率、命中率、覆盖率和提升系数．是研究客户流失预测问题的有效方法。

英文摘要：

Aiming at the shortcomings of the methods for customer churn prediction, developed the improved C-support vector classifier（ SVC ） by using the ratio of different classes in training set to evaluate the penalty parameters of the classes. It pointed out that the method could acquire the better accurate rate, hit rate, covering rate and lift coefficient, compared with normal C-SVC, aritifical neural network, decision tree, logistic regression, naive Bayesian classifier etc by predicting customer churn for some US telecommunication carrier. The results indicate that the method can be an effective measurement for customer churn prediction.

同期刊论文项目