基于改进支持向量机的电信客户流失预测模型

作者：钱苏丽,何建敏,王纯麟

摘要：随着电信业改革的深入和竞争的加剧，电信企业的客户流失率逐步攀升，如何预测并有效减少客户流失直接关系到电信企业的生存和发展。流失客户在客户总体中占比例较低，因此电信客户数据集中存在明显的非平衡数据问题，传统的客户流失预测把客户流失作为普通的模式识别问题处理，建立基于普适机器学习的预测模型。在两类错误的错分代价相差较大的情况下，基于普适机器学习的预测模型缺乏实用价值，因此引入代价敏感学习理论建立了基于改进支持向量机的电信客户流失预测模型，将不同的错分代价纳入建模过程，有效的提高了模型的预测性能。

发文机构：东南大学经济管理学院

关键词：支持向量机客户流失预测非平衡数据代价敏感学习support vector machinecustomer chum predictionunbalanced datacost-sensitive learning

分类号： TP18[自动化与计算机技术—控制科学与工程][自动化与计算机技术—控制理论与控制工程]