一种改进多层感知机的电信客户流失预测方法及系统技术方案

本发明专利技术提供一种改进多层感知机的电信客户流失预测方法及系统，通过对客户数据进行预处理，获得预处理数据；进而对预处理数据进行属性选择，构成数据属性子集；再采用融合实体嵌入的多层感知机模型对数据属性子集构建特征集；并根据集构建特征集构建预测模型；最终根据预测模型输出预测结果。从而能基于复杂的客户数据进行预测处理，改进了传统预测判别方法，对于提高客户流失管理的信息化水平有极大的作用。由于基于数据特征的变化，以属性选择、数据特征提取与选择和预测分类器设计等步骤对客户数据进行梳理，提高了预测的准确度。

【技术实现步骤摘要】
一种改进多层感知机的电信客户流失预测方法及系统
本专利技术涉及客户流失预测领域，具体涉及一种改进多层感知机的电信客户流失预测方法及系统。
技术介绍
随着行业之间的竞争愈发激烈，企业家开始意识到，减少老客户的流失应该作为公司的首要目标。客户保留策略主要针对于高风险的潜在流失客户，改善其现有服务，降低其流失可能性。另外，经研究表明，吸引一个新用户所需的成本远高于保留一个老用户的成本。因此，及时并准确的识别潜在流失客户对于企业降低成本是至关重要的。客户流失预测是客户管理关系的一个重要组成部分，包括业务分析，数据分析，数据预处理，建模，评估和部署。当前在客户流失数据中其指标特征主要来源于与客户相关的人口统计特征、消费行为特征、客户接触特征、客户合同数据、市场产品属性等组合方式，一般不在数据处理中进行数据属性选择和特征提取与选择等技术，只是将需预测的数据属性或特征与训练数据的属性或特征按照某种原则进行匹配，来完成预测估计。但是，对于传统预测模型结构，如果客户数据特征属性增多，其指标间有非线性特点，在这样的条件下，传统模型结构没有办法进行指标特征的本文档来自技高网...

【技术保护点】
1.一种改进多层感知机的电信客户流失预测方法，其特征在于，包括：/n对客户数据进行预处理，获得预处理数据；/n对所述预处理数据进行属性选择，构成数据属性子集；/n采用融合实体嵌入的多层感知机模型对所述数据属性子集构建特征集；/n根据所述集构建特征集构建预测模型；/n根据所述预测模型输出预测结果。/n

【技术特征摘要】
1.一种改进多层感知机的电信客户流失预测方法，其特征在于，包括：
对客户数据进行预处理，获得预处理数据；
对所述预处理数据进行属性选择，构成数据属性子集；
采用融合实体嵌入的多层感知机模型对所述数据属性子集构建特征集；
根据所述集构建特征集构建预测模型；
根据所述预测模型输出预测结果。


2.根据权利要求1所述的改进多层感知机的电信客户流失预测方法，其特征在于，所述融合实体嵌入的多层感知机模型包含n个编码层、n个嵌入层、全连接层和输出层；第N个所述编码层与第N个所述嵌入层对应；
每个所述编码层对所述数据属性子集进行编码，获得n个离散属性编码后的向量；
所述n个嵌入层对所述n个离散属性编码后的向量进行映射；
所述全连接层对映射后的所述n个离散属性编码后的向量和预处理数据进行拟合，获得拟合数据；
所述输出层根据所述拟合数据输出所述建特征集。


3.根据权利要求2所述的改进多层感知机的电信客户流失预测方法，其特征在于，所述n个嵌入层对所述n个离散属性编码后的向量进行映射，满足如下公式：
j＝1,2,…,n：xj→Xj
其中，xj为第j个离散属性进行编码后的向量，Xi为映射后的向量。


4.根据权利要求2所述的改进多层感知机的电信客户流失预测方法，其特征在于，所述客户数据包含正类样本和负类样本；所述对客户数据进行预处理，获得预处理数据，包括：
对客户数据进行欠抽样获得所述预处理数据，以保留所述正类样本，并随机移除部分所述负类样本；或，
对客户数据进行重复抽样获得所述预处理数据。


5.权利要求1所述的改进多层感知机的电信客户流失预测方法，其特征在于，所述对所述预处理数据进行属性选择，构成数据属性子集，包括：
根据概率估计与分类规则获得所述预处理数据的原始指标属性集合中的最优属性集作为所述数据属性子集。


6.一种改进多层感知机的电信客户流失预测系...

【专利技术属性】
技术研发人员：夏国恩，柯利佳，梁海芳，
申请(专利权)人：广西蜂鸟汽车科技有限公司，
类型：发明
国别省市：广西;45