System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及人工智能,尤其涉及用户流失预测方法及装置。
技术介绍
1、本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
2、近年来银行对于减少用户流失的需求愈发迫切。现有机器学习方法虽然众多,但模型选择是建模研究时会面临的重点。然而模型的选择是单一的,会带来随机性和不稳定性,不能稳定地适用于不同数据和不同特征变量上的训练与预测,模型缺乏稳定性。
3、综上,目前亟需用户流失预测方法,用于解决上述问题。
技术实现思路
1、本专利技术实施例提供一种用户流失预测方法,用以提高模型的稳定性可靠性,提高用户流失预测的准确性,该方法包括:
2、获取待测用户的交易数据;
3、将待测用户的交易数据输入训练好的第一用户流失预测模型,得到待测用户的第一预测结果;其中,第一用户流失预测模型是按如下方式训练得到的:
4、获取历史用户数据集;
5、根据历史用户数据集确定训练集和多个特征变量;特征变量为历史用户数据集中影响用户流失的变量;
6、根据多个特征变量构建第一用户流失预测模型;第一用户流失预测模型采用嵌套的多个子模型;特征变量的个数与嵌套的子模型的个数相同;第n个子模型的特征变量包括第n-1个子模型的特征变量;子模型为机器学习模型;n为大于1的正整数;
7、在采用训练集训练第一用户流失预测模型的过程中,通过最小化平方损失确定第一用户流失预测模型
8、本专利技术实施例还提供一种用户流失预测装置,用以提高模型的稳定性可靠性,提高用户流失预测的准确性,该装置包括:
9、预测模块,用于获取待测用户的交易数据;将待测用户的交易数据输入训练好的第一用户流失预测模型,得到待测用户的第一预测结果;
10、模型构建模块,用于获取历史用户数据集;根据历史用户数据集确定训练集和多个特征变量;特征变量为历史用户数据集中影响用户流失的变量;根据多个特征变量构建第一用户流失预测模型;第一用户流失预测模型采用嵌套的多个子模型;特征变量的个数与嵌套的子模型的个数相同;第n个子模型的特征变量包括第n-1个子模型的特征变量;子模型为机器学习模型;n为大于1的正整数;在采用训练集训练第一用户流失预测模型的过程中,通过最小化平方损失确定第一用户流失预测模型中各个子模型的第一最优权重,得到训练好的第一用户流失预测模型;训练好的第一用户流失预测模型的输出结果由各个子模型的输出结果通过第一最优权重加权求和后得到。
11、本专利技术实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述用户流失预测方法。
12、本专利技术实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述用户流失预测方法。
13、本专利技术实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现上述用户流失预测方法。
14、本专利技术实施例中,获取待测用户的交易数据;将待测用户的交易数据输入训练好的第一用户流失预测模型,得到待测用户的第一预测结果;其中,第一用户流失预测模型是按如下方式训练得到的:获取历史用户数据集;根据历史用户数据集确定训练集和多个特征变量;特征变量为历史用户数据集中影响用户流失的变量;根据多个特征变量构建第一用户流失预测模型;第一用户流失预测模型采用嵌套的多个子模型;特征变量的个数与嵌套的子模型的个数相同;第n个子模型的特征变量包括第n-1个子模型的特征变量;子模型为机器学习模型;n为大于1的正整数;在采用训练集训练第一用户流失预测模型的过程中,通过最小化平方损失确定第一用户流失预测模型中各个子模型的第一最优权重,得到训练好的第一用户流失预测模型;训练好的第一用户流失预测模型的输出结果由各个子模型的输出结果通过第一最优权重加权求和后得到,与现有技术相比,通过最小化平方损失确定第一用户流失预测模型中各个子模型的第一最优权重,根据第一最优权重将不同的模型加权组合,降低了由模型选择而带来的不确定性,有效减少有用信息的遗失,更加稳健。
本文档来自技高网...【技术保护点】
1.一种用户流失预测方法,其特征在于,包括:
2.如权利要求1所述的用户流失预测方法,其特征在于,在得到训练好的第一用户流失预测模型之后,还包括:
3.如权利要求2所述的用户流失预测方法,其特征在于,在得到训练好的第二用户流失预测模型之后,还包括:
4.如权利要求1所述的用户流失预测方法,其特征在于,第一预测结果包括多个类别,第一预测结果用于指示用户在预设时间段内流失的可能性等级。
5.如权利要求4所述的用户流失预测方法,其特征在于,将待测用户的交易数据输入训练好的第一用户流失预测模型,得到待测用户的第一预测结果,包括:
6.如权利要求1所述的用户流失预测方法,其特征在于,所述多个特征变量包括以下任意组合:
7.一种用户流失预测装置,其特征在于,包括:
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6任一项所述方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算
10.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现权利要求1至6任一项所述方法。
...【技术特征摘要】
1.一种用户流失预测方法,其特征在于,包括:
2.如权利要求1所述的用户流失预测方法,其特征在于,在得到训练好的第一用户流失预测模型之后,还包括:
3.如权利要求2所述的用户流失预测方法,其特征在于,在得到训练好的第二用户流失预测模型之后,还包括:
4.如权利要求1所述的用户流失预测方法,其特征在于,第一预测结果包括多个类别,第一预测结果用于指示用户在预设时间段内流失的可能性等级。
5.如权利要求4所述的用户流失预测方法,其特征在于,将待测用户的交易数据输入训练好的第一用户流失预测模型,得到待测用户的第一预测结果,包括:
6.如权利要求1所...
【专利技术属性】
技术研发人员:段岢佳,徐翠萍,刘旗艳,向明月,
申请(专利权)人:中国工商银行股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。