基于電信大數(shù)據(jù)挖掘的高價(jià)值移動(dòng)用戶預(yù)測(cè)研究.pdf

1、隨著“互聯(lián)網(wǎng)+”商業(yè)模式的快速推廣以及4G通信市場(chǎng)競(jìng)爭(zhēng)的愈發(fā)激烈，高價(jià)值移動(dòng)用戶的保有及發(fā)展等營(yíng)銷業(yè)務(wù)逐漸成為各大電信運(yùn)營(yíng)商的關(guān)注焦點(diǎn)?；陔娦糯髷?shù)據(jù)挖掘技術(shù)，通過對(duì)海量移動(dòng)用戶諸如消費(fèi)、流失等數(shù)據(jù)的深度分析，確定一種高價(jià)值移動(dòng)用戶的判定準(zhǔn)則并建立相應(yīng)的預(yù)測(cè)模型，對(duì)企業(yè)增收并提升市場(chǎng)競(jìng)爭(zhēng)力有著重要的研究意義。
　　本文結(jié)合Teradata數(shù)據(jù)倉(cāng)庫(kù)、R數(shù)據(jù)挖掘工具和CRISP-DM流程，從某電信公司提取了具有高貢獻(xiàn)度和低流失率等特性

2、的高價(jià)值移動(dòng)用戶數(shù)據(jù)，經(jīng)過數(shù)據(jù)預(yù)處理、多算法建模和模型評(píng)估之后，選取基于隨機(jī)森林算法的預(yù)測(cè)模型用于進(jìn)一步研究。
　　針對(duì)隨機(jī)森林算法處理在高維不平衡數(shù)據(jù)集上的二分類問題時(shí)容易偏向多數(shù)類的局限性，本文設(shè)計(jì)了一種有效特征選擇方法去優(yōu)化預(yù)測(cè)模型。利用欠采樣方式從初始不平衡數(shù)據(jù)集提取多個(gè)平衡訓(xùn)練集，使用結(jié)合Pearson相關(guān)性分析和隨機(jī)森林特征重要性評(píng)估的特征選擇策略，在集成學(xué)習(xí)方法中嵌入加權(quán)和投票機(jī)制獲得最優(yōu)的特征子集，再采用隨機(jī)森林算