深度随机森林在离网预测中的应用

• 作者: 严建峰 刘晓升 杨晓峰 杨璐
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 离网预测 深层随机森林
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 208-213
• 页数: 6页
• 分类号: TP391
• 字数: 7033字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.6.042

摘要

在电信运营商领域,离网预测模型是企业决策者用来发现潜在离网用户(即停用运营商服务)的主要手段.目前离网预测模型都是基于逻辑回归、决策树、神经网络及随机森林等浅层机器学习算法,但是在大数据的背景下,这些浅层算法在预测问题上很难取得更高的精度.因此,提出了一种新型的深层结构模型——深度随机森林,通过将传统浅层随机森林堆积成深层结构模型,获得更高的预测精度.在运营商真实数据上进行了大量实验,结果证明深层随机森林模型比传统浅层机器学习算法在离网预测问题上可以得到更好的效果.同时,增大训练数据量可以进一步提升深层随机森林的预测能力,从而证明了在大数据环境下深层模型的潜力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘晓升	苏州大学计算机科学与技术学院	33	129	7.0	8.0
2	严建峰	苏州大学计算机科学与技术学院	33	149	8.0	10.0
4	杨璐	苏州大学计算机科学与技术学院	19	74	5.0	7.0
5	杨晓峰	苏州大学计算机科学与技术学院	1	8	1.0	1.0