原文服务方: 科技与创新       
摘要:
使用支持向量机(SVM,Support Vector Machine)数据挖掘方法对移动通信行业客户流失倾向进行预测,时支持向量机同决策树算法预测的结果进行对比,结果表明支持向量机对本文所选取的属性数据具有更强的分类能力,而且在不同训练数据规模情况下预测模型有较好的稳定性.实验证实,运用本研究模型选取全体客户的22.31%,可以预测出50.07%流失的客户,表明本研究中提出的预测模型具有实际应用价值.
推荐文章
数据挖掘在移动通信业客户流失管理中的应用
客户流失
数据挖掘
数据仓库
决策树
ID3算法
C4.5算法在移动通信行业客户流失分析中的应用
数据挖掘
决策树
C4.5算法
客户流失
基于代价敏感SVM的电信客户流失预测研究
客户流失
支持向量机
非平衡数据
代价敏感
基于数据挖掘的移动通信业客户流失分析研究
数据挖掘
移动通信业
决策树
客户流失
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 SVM在移动通信客户流失预测中的应用研究
来源期刊 科技与创新 学科
关键词 支持向量机(SVM) 客户流失 数据挖掘 决策树
年,卷(期) 2007,(12) 所属期刊栏目 数据库 数据仓库 数据挖掘
研究方向 页码范围 163-165
页数 3页 分类号 TP311
字数 语种 中文
DOI 10.3969/j.issn.1008-0570.2007.12.065
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (2)
共引文献  (115)
参考文献  (3)
节点文献
引证文献  (18)
同被引文献  (15)
二级引证文献  (35)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(6)
  • 引证文献(5)
  • 二级引证文献(1)
2010(6)
  • 引证文献(3)
  • 二级引证文献(3)
2011(6)
  • 引证文献(3)
  • 二级引证文献(3)
2012(1)
  • 引证文献(0)
  • 二级引证文献(1)
2013(3)
  • 引证文献(0)
  • 二级引证文献(3)
2014(4)
  • 引证文献(0)
  • 二级引证文献(4)
2015(6)
  • 引证文献(2)
  • 二级引证文献(4)
2016(8)
  • 引证文献(1)
  • 二级引证文献(7)
2017(4)
  • 引证文献(2)
  • 二级引证文献(2)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(4)
  • 引证文献(1)
  • 二级引证文献(3)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
支持向量机(SVM)
客户流失
数据挖掘
决策树
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科技与创新
半月刊
2095-6835
14-1369/N
大16开
2014-01-01
chi
出版文献量(篇)
41653
总下载数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导