SVM方法及其在客户流失预测中的应用研究

被引：29

作者：

应维云 ^{[1
]}

覃正 ^{[2
]}

赵宇 ^{[3
]}

李兵 ^{[3
]}

李秀 ^{[3
]}

机构：

[1] 西安交通大学管理学院

[2] 上海财经大学信息管理与工程学院

[3] 清华大学国家CIMS工程研究中心

来源：

系统工程理论与实践 | 2007年 / 07期

关键词：

客户流失; 支持向量机; 客户关系管理; 预测;

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：

客户流失分析与预测是客户关系管理的重要内容.针对客户流失问题,建立了支持向量机预测模型.针对实际客户流失数据中正负样本数量不平衡而且数据量大的特点,提出带有不同类权重参数的支持向量机算法CW-SVM,通过调整类权重参数改变分类面位置,提高算法分类准确性;将标准支持向量机训练问题转化为运算效率更高的核向量机问题,提出处理不平衡海量数据集的CWC-SVM算法.通过实际银行信贷客户数据集测试,该算法与传统预测算法比较,更适合解决大数据集和不平衡数据,取得较好的客户流失预测效果.

引用

页码：105 / 110

页数：6