基于GMDH的“一步式”客户流失预测集成建模  

“One-step” customer churn prediction ensemble modeling based on GMDH

作　　者：肖进[1,2] 刘敦虎[3] 贺昌政[1] 

机构地区：[1]四川大学工商管理学院,成都610064 [2]中国科学院数学与系统科学研究院,北京100190 [3]成都信息工程学院管理学院,成都610225

出　　处：《系统工程理论与实践》2012年第4期807-814,共8页Systems Engineering-Theory & Practice

基　　金：国家自然科学基金(71101100;71071101);高等学校博士学科点专项科研基金(20110181120047);国家博士后科学基金(2011M500418);国家科技部软科学项目(2011GXQ4D074);四川省软科学计划(2011ZR0071);中央高校新青年教师科研启动基金(2010SCU11012)

摘　　要：在客户流失预测问题中,客户数据的特征往往会影响模型的预测效果.分析了常用的"两步式"客户流失预测方法的不足,提出了基于数据分组处理(GMDH)技术的"一步式"客户流失预测集成研究框架.该框架一方面将数据预处理和客户流失预测建模过程进行集成,另一方面用多分类器集成策略进行客户流失预测建模.以客户数据类别分布不平衡的客户流失预测问题为例,构建了与数据特征相适应的"一步式"集成模型.实证结果表明,该方法能够更有效地进行客户流失预测.In customer churn prediction,the characteristics of customer data tend to affect the prediction results of modeling.After analyzing the disadvantages of the commonly used ＂two-step＂ methods,this paper proposed ＂one-step＂ ensemble framework for customer churn prediction based on group method of data handling（GMDH）.On the one hand,this framework fused data pre-processing and customer churn prediction modeling;on the other hand,it adopted multiple classifiers ensemble strategies to model the customer churn prediction.Regarded the customer churn prediction problem with imbalanced data as an example,a ＂one-step＂ ensemble model corresponding to the customer data characteristic was constructed. Empirical results shown that this method can predict customer churn more effectively.

关 键 词：客户流失预测 “一步式”集成模型 数据分组处理 集成学习 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] F270[自动化与计算机技术—控制科学与工程]