基于社交网络分析和XGBoost算法的互联网客户流失预测研究

• 作者: 王重仁 韩冬梅
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 客户流失预测 社交网络分析 机器学习 XGBoost
• 年，卷（期）: 2017,（23）
• 所属期刊栏目: 人工智能
• 页码范围: 58-61
• 页数: 4页
• 分类号: TP391
• 字数: 3893字
• 语种: 中文
• DOI: 10.19358/j.issn.1674-7720.2017.23.017

摘要

针对互联网行业的客户流失预测问题,提出了一种社交网络分析和机器学习相结合的客户流失预测方法.考虑到社交活动对用户流失的影响,首先采用社交网络分析方法从用户社交数据中提取特征,然后使用XGBoost(Extreme Gradient Boosting)算法来进行客户流失预测,最后将该方法与其他机器学习算法(Logistic回归、支持向量机和随机森林)进行比较.实验结果表明,所提出的社交网络分析和XGBoost相结合的客户流失预测方法优于传统方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩冬梅	上海财经大学信息管理与工程学院	34	529	12.0	22.0
2	王重仁	上海财经大学信息管理与工程学院	3	40	3.0	3.0