基于优化XGBoost算法的电信用户流失预测

• 作者: 胡晓东 吕铭春 阿克弘 靳梦凡 张金海
• 来源期刊: 科技与创新
• 学科: 工学
• 关键词: XGBoost算法 用户流失 数据挖掘 贝叶斯优化
• 年，卷（期）: 2024,（10）
• 页码范围: 36-39,44
• 页数: 5页
• 语种: 中文
• DOI: 10.15913/j.cnki.kjycx.2024.10.007

摘要

电信市场竞争激烈的现状下，用户流失对运营商非常不利。为提前精准有效地预测用户流失倾向，提出了基于贝叶斯优化极度梯度提升树（Extreme Gradient Boosting,XGBoost）的电信用户流失预测方法。首先，利用有效的数据预处理方法处理电信用户数据中的异常数据。其次，利用XGBoost算法训练用户流失概率预测模型。同时，针对XGBoost算法学习超参数众多、缺乏高效准确的超参数寻优方法的问题，利用贝叶斯优化算法、随机搜索算法、网格搜索算法3种方法进行超参数寻优。最后，对比分析3种优化方法的优化效果。实验结果表明，该方法能够有效预测用户流失倾向，且贝叶斯优化XGBoost算法的电信用户流失模型准确率均优于基于随机搜索优化和基于网格搜索优化，XGBoost算法所建立的模型，准确度比优化前提升了4.84%。