基于多模型融合的流失用户预测方法

• 作者: 叶成 程云辉 郑红
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: Stacking集成学习 用户流失预测 BootstrapSampling 机器学习
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 2027-2032
• 页数: 6页
• 分类号: TP391
• 字数: 5425字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2019.11.017

摘要

准确的用户流失预测能力有助于企业提高用户保持率、增加用户数量和增加盈利.现有的流失用户预测模型大多为单一模型或是多个模型的简单融合,没有充分发挥多模型集成的优势.借鉴了随机森林的Bootstrap Sampling的思想,提出了一种改进的Stacking集成方法,并将该方法应用到了真实数据集上进行流失用户的预测.通过验证集上的实验比较可知,提出的方法在流失用户F1值、召回率和预测准确率3项指标上均好于所有相同结构的经典Stacking集成方法;当采用恰当的集成结构时,其表现可超越基分类器上的最优表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑红	华东理工大学信息科学与工程学院	25	70	6.0	7.0
2	叶成	华东理工大学信息科学与工程学院	4	0	0.0	0.0
3	程云辉	华东理工大学信息科学与工程学院	2	0	0.0	0.0