基于数据转换的优化电信行业客户流失预测模型
摘要：数据转换（DT）是将原始数据转化为支持特定分类算法并帮助分析特定目的的形式的过程。为了提高预测性能，我们调查了各种数据转换方法。此研究是在电信行业（TCI）的客户流失预测（CCP）背景下进行的，其中客户流失是一种常见现象。我们提出了一种新的方法，将数据转换方法与机器学习模型相结合，用于CCP问题。我们在公开可用的TCI数据集上进行了实验，并以广泛使用的评估指标（如AUC、精确度、召回率和F-measure）评估了性能。在本研究中，我们进行了全面比较，确认了转换方法的效果。比较结果和统计检验证明了大多数提出的基于数据转换的优化模型显著提高了CCP的性能。总体而言，通过本文介绍了一种高效且优化的电信行业CCP模型。
作者：Joydeb Kumar Sana, Mohammad Zoynul Abedin, M. Sohel Rahman, M. Saifur Rahman
论文ID：2201.04088
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-22