客戶(hù)流失中數(shù)據(jù)挖掘常用算法

1、用數(shù)據(jù)挖掘算法 數(shù)據(jù)挖掘；客戶(hù)流失；算法 例如，電信行業(yè)的應(yīng)用領(lǐng)域主要有客戶(hù)關(guān)系管理，客戶(hù)欺詐分析，客 戶(hù)流失分析，客戶(hù)消費(fèi)模式分析，市場(chǎng)推廣分析等。在國(guó)內(nèi)隨著對(duì)數(shù) 措施，減少客戶(hù)流失的發(fā)生。這對(duì)企業(yè)降低運(yùn)營(yíng)成本，提高經(jīng)營(yíng)業(yè)績(jī).1 客戶(hù)流失分析(Customer Churn Analysis) 夠；或者是注意到了又找不到好的方法，顯得有點(diǎn)無(wú)能為力。一方面 的保持，只注重發(fā)展新客戶(hù)，長(zhǎng)此以往，電信企業(yè)將會(huì)出現(xiàn)“增量不 1.1 客戶(hù)流失的原因種類(lèi)型: .和經(jīng)營(yíng)分公司，或者提供網(wǎng)上服務(wù)等方式，讓客戶(hù)在任何地方、任何 如很多電信運(yùn)營(yíng)商的用戶(hù)在拖欠了大額通信費(fèi)用后離開(kāi)這家電信運(yùn) 牌的產(chǎn)品或服務(wù)的市場(chǎng)占有

2、率情況，了解市場(chǎng)中最有價(jià)值產(chǎn)品或服 對(duì)手發(fā)展情況進(jìn).上述3種情況之外的客戶(hù)流失稱(chēng)為過(guò)失流失。這些流失都是由于 1.2 客戶(hù)流失預(yù)測(cè)客戶(hù)流失預(yù)測(cè)的任務(wù)是: 及1.3 客戶(hù)流失模型一般客戶(hù)流失模型的建立和應(yīng)用過(guò)程如下:的 流 失的群體;運(yùn)用客戶(hù)流失行為模型對(duì)當(dāng)前客戶(hù)數(shù)據(jù)庫(kù)中客戶(hù)的行為進(jìn)行分 失。其分析過(guò)程如圖所示:數(shù)據(jù)倉(cāng)庫(kù)客戶(hù)分析數(shù)據(jù)現(xiàn)有客戶(hù)數(shù)據(jù) 流失客戶(hù)數(shù)據(jù)流失客戶(hù)基本特征 流失客戶(hù)行為特征流失行為預(yù)測(cè)流失原因分析及對(duì)策流失群體預(yù)測(cè)的分析流程圖2 常用數(shù)據(jù)挖掘算法數(shù)據(jù)挖掘(Data Mining)作為數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)的核心技術(shù)，就是 從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含 .

3、 性的推理，從中挖掘出潛在的模式，預(yù)測(cè)客戶(hù)的行為，幫助企業(yè)的決 在目前商用數(shù)據(jù)挖掘軟件中一般對(duì)客戶(hù)分析的重點(diǎn)是首先對(duì)客 戶(hù)行為及需求進(jìn)行分析,以及對(duì)客戶(hù)細(xì)分群進(jìn)行定義。在此客戶(hù)細(xì)分 基礎(chǔ)上就可以建立周期價(jià)值分析模型,挽留響應(yīng)模型以及流失預(yù)測(cè)模2.1 抽取數(shù)據(jù)與數(shù)據(jù)分析 2.2 聚類(lèi)概述 市場(chǎng)營(yíng)銷(xiāo)等。一般采用聚類(lèi)的方法，對(duì)流失客戶(hù)的消費(fèi)行為進(jìn)行“細(xì) . 2.2.1 EM聚類(lèi)算法 布的EM聚類(lèi)模型與基于歐氏距離的K均值模型是一致 適合基于“海量數(shù)據(jù)”的聚類(lèi)分析。當(dāng)然，也存在一些不足之處，比。2.3 決策樹(shù) 再被表示為多個(gè)If-Then的規(guī)則，該算法己經(jīng)被成功應(yīng)用到醫(yī)療診斷 的分布。樹(shù)的最頂層節(jié)點(diǎn)是

4、根節(jié)點(diǎn)。下圖為一棵簡(jiǎn)單決策樹(shù)，它是一 棵貸款申請(qǐng)的決策樹(shù)模型，從中我們可以看到?jīng)Q策樹(shù)的基本組成部 是負(fù)債是風(fēng)險(xiǎn)低風(fēng)險(xiǎn)否工作時(shí)間是低風(fēng)險(xiǎn)否風(fēng)險(xiǎn)2.3.1 決策樹(shù)的建立 過(guò)程，每次切分對(duì)應(yīng)一個(gè)問(wèn)題，也對(duì)應(yīng)著一個(gè)節(jié)點(diǎn)。對(duì)每個(gè)切分都要 段:建樹(shù)和剪枝。決策樹(shù)歸納 . ttribute ttribute8)for each test_attribut的己知值a ；ii22Generate_decision_tree(S,attribute_list-test_attribu1剪枝的目的是降低由于訓(xùn)練集的噪聲而產(chǎn)生的起伏。算法的基本 否則，算法使用稱(chēng)為信息增益的基于熵的度量作為啟發(fā)信息， 散值，連續(xù)值的屬

5、性必須離散化。 算法使用同樣的過(guò)程，遞歸地形成每個(gè)劃分上的樣本判定樹(shù)。 一旦一個(gè)屬性出現(xiàn)在一個(gè)節(jié)點(diǎn)上，就不必考慮該節(jié)點(diǎn)的任何后代 .(c)分枝test_attribute=a沒(méi)有樣本(步驟11)。在這種情況i2.3.2 屬性劃分的度量方法算法ID3和C4.5使用信息增益作為選擇屬性對(duì)節(jié)點(diǎn)進(jìn)行劃分的指 SA集S劃分前 n 是一個(gè)衡量信息混亂程度的統(tǒng)計(jì)量。熵越大，表示系統(tǒng)越混亂。分類(lèi) 信息增益最大的屬性。通常，決策樹(shù)是“貪心算法+深度優(yōu)先搜索” 免這個(gè)不足的一種方法是用其它度量而不是信息增益來(lái)選擇決策屬 .| S | 2 | S |i=11增益比率度量是用前面的增益度量和這里的分裂信息度量來(lái)共 G

6、ain(S,A)SplitInformation(S,A)使用增益比率代替增益來(lái)選擇屬性產(chǎn)生的一個(gè)實(shí)際問(wèn)題是，當(dāng)某個(gè) 點(diǎn)進(jìn)行劃分的標(biāo)準(zhǔn)。設(shè)數(shù)據(jù)集S的分 i=11 2.尼指數(shù)就是： Gini(S) = (S1 ) *Gini(S ) + (S1 ) *Gini(S )S 1 S 2 4 用數(shù)值型屬性劃分節(jié)點(diǎn)方法 錄數(shù))。數(shù)值型屬性A將數(shù)據(jù)集S劃分為兩組。對(duì)應(yīng)的條件為Aa。如何選擇A呢？可以先對(duì)數(shù)據(jù)集S按字段A的值遞增排序，設(shè)A的1 2 n取信息增益最大(基尼指數(shù)最小)的一個(gè)就是A的最佳劃分。若V 為最1佳分裂點(diǎn)，通常取a=( V +V )/2。建樹(shù)時(shí)，在每個(gè)節(jié)點(diǎn)上都需要對(duì)i i-1基尼指數(shù))。2

7、.3.3 剪枝 的過(guò)度擬合(OverFitting)問(wèn)題。它表現(xiàn)為用某些分類(lèi)規(guī)則對(duì)訓(xùn)練集 . 方法，去掉最不可靠，可能是噪音2.3.3.1 剪枝的分類(lèi) uning先建樹(shù)，后修剪。讓樹(shù)“完全生長(zhǎng)”，然后采用一定的標(biāo)準(zhǔn)評(píng)估 2.3.3.2 剪枝的標(biāo)準(zhǔn) 2) 最小描述長(zhǎng)度原則；最簡(jiǎn)單的解釋是最期望的，對(duì)決策樹(shù)二2.4 人工神經(jīng)網(wǎng)絡(luò)ArtificialNeuralNetwork記為ANN)是在 對(duì)人腦組織結(jié)構(gòu)和運(yùn)行機(jī)制的認(rèn)識(shí)理解基礎(chǔ)之上模擬其結(jié)構(gòu)和智能 因?yàn)樗鼮榻鉀Q大復(fù)雜度問(wèn)題提供了一種相對(duì)來(lái)說(shuō)比較有效的簡(jiǎn)單方 個(gè)預(yù)測(cè)變量。輸出層的節(jié)點(diǎn)對(duì)應(yīng)目標(biāo)變量，可有多個(gè)。在輸入層和輸 12輸入層3456輸出層經(jīng)網(wǎng)絡(luò)模型 點(diǎn)的值就是通過(guò)它所有輸入節(jié)點(diǎn)的值