基于支持向量机的客户流失预测模型

被引：63

作者：

夏国恩 ^{[1
]}

金炜东 ^{[2
]}

机构：

[1] 广西财经学院工商管理系

[2] 西南交通大学经济管理学院

来源：

系统工程理论与实践 | 2008年 / 01期

关键词：

客户流失; 支持向量机; 电信业;

D O I：

暂无

中图分类号：

F274 [企业供销管理]; F224 [经济数学方法];

学科分类号：

1201 ; 0701 ; 070104 ;

摘要：

应用基于结构风险最小化准则的支持向量机(SVM)进行客户流失预测,以提高机器学习方法的预测能力,并以国内、国外电信公司客户流失预测为实例,与人工神经网络、决策树、贝叶斯分类器等方法进行了对比,发现该方法能获得最好的正确率、命中率、覆盖率和提升系数,是研究客户流失预测问题的有效方法.

引用

页码：71 / 77

页数：7

共 7 条

[1]

统计学习理论[M]. 电子工业出版社 , (美)瓦普尼克（VladimirN.Vapnik）著, 2004

[2]

Determinants of subscriber churn and customer loyalty in the Korean mobile telephony market[J] . Hee-Su Kim,Choong-Han Yoon.Telecommunications Policy . 2004 (9)

[3]

Turning telecommunications call details to churn prediction: a data mining approach[J] . Chih-Ping Wei,I-Tang Chiu.Expert Systems With Applications . 2002 (2)

[4]

When customers are members: Customer retention in paid membership contexts[J] . C. B. Bhattacharya.Journal of the Academy of Marketing Science . 1998 (1)

[5] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

MACHINE LEARNING, 1995, 20 (03) :273-297

[6]

Customer Switching Behavior in Service Industries: An Exploratory Study[J] . Journal of Marketing . 1995 (2)

[7]

Large margin DAGs for multiclass classification. Platt J C, Cristianini N, Shawe-Taylor J. Advances in Neural Information Processing Systems . 2000

← 1 →