基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在对数据进行分类的过程中,如何用机器学习的方法使数据分类更加准确一直是研究的重点。在对电信用户流失情况的研究中,通常可以比较容易对流失用户进行标记,但是还未流失用户并不代表用户不会流失,所以并不能作为准确的2分类负样本,用One Class SVM提取未知样本中密度较高的部分作为真负样本,将源数据分为正样本,负样本与未知样本三部分,方便以后研究。
推荐文章
基于优化XGBoost算法的电信用户流失预测
XGBoost算法
用户流失
数据挖掘
贝叶斯优化
基于one-class SVM与融合多可视化特征的可通行区域检测
可通行区域检测
one-class SVM
多可视化特征
自主导航
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
电信用户消费心理的分析及其策略
电信用户
心理需要
心理动机
营销策略
分析
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 基于One Class SVM的电信用户流失情况研究
来源期刊 现代计算机:中旬刊 学科 工学
关键词 机器学习 ONE CLASS SVM
年,卷(期) xdjsjzxk_2017,(10) 所属期刊栏目
研究方向 页码范围 32-34
页数 3页 分类号 TP311
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 简宋全 6 4 2.0 2.0
2 李青海 6 4 2.0 2.0
3 秦于钦 4 4 2.0 2.0
4 黄心蕊 2 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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)
研究主题发展历程
节点文献
机器学习
ONE
CLASS
SVM
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
现代计算机:中旬刊
月刊
1007-1423
44-1415/TP
广州市海珠区新港西路135号中山大学园B
46-205
出版文献量(篇)
9067
总下载数(次)
3
论文1v1指导