基于不平衡数据集的客户流失预测研究

• 作者: 夏国恩 杨智 金炜东
• 来源期刊: 计算机应用研究
• 关键词: 类不平衡性 客户流失预测 机器学习 抽样法
• 年，卷（期）: 2010,（12）
• 页码范围: 4447-4449,4453
• 分类号: TP182
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2010.12.013

摘要

目前客户流失预测面临的主要问题之一就是类不平衡性(class imbalance).针对这个问题,首先应用欠抽样法(undersampling)处理客户流失数据降低不平衡性,再应用C4.5D、C4.5N、RIPPER、NaiveBayes和RandomForest机器学习方法对客户流失进行预测.实验结果表明,欠抽样法是在牺牲负类样本预测精度的前提下,提高正类预测精度,于是采用重复抽样法(resampling)来弥补欠抽样法的缺陷,减少负类样本中含有大量有用信息的丢失,实验结果证明了这种方法的正确性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏国恩		65	493	11.0	21.0
2	金炜东	西南交通大学电气工程学院	295	3889	30.0	49.0
3	杨智	西南交通大学电气工程学院	1	5	1.0	1.0