客户频繁流失是苏州电信发展中所面临的一个严重问题，为减少或避免客户的流失所带来的高额利润损失，论文介绍了一种行之有效的解决方案：首先，利用分类算法建立客户流失预测模型，然后用此模型挖掘出哪些客户将会流失，并分析出为什么他们要流失，最后，根据这些客户的特征采取针对性的措施加以挽留。 在数据处理阶段，从苏州电信的业务模型中梳理出流失相关业务表，通过合适的ETL处理，运行存储过程实现把数据经过抽取、转换和加载后自动导入需要的数据挖掘来源表。然后对数据进行预处理，经过数据集成、数据清洗、数据规约等处理，把基础数据经过预处理后得到试验数据。 选择决策树和神经网络作为基本分类算法，通过Bagging或者Boosting算法进行集成，产生的集成分类算法能显著提高分类性能，并将其应用在苏州电信经营分析系统的客户流失预测主题上。在分别对C4.5、C4.5+Bagging、C4.5+AdaBoost、BPN、BPN+Bagging、BPN+AdaBoost这六种分类算法的混淆矩阵与ROC曲线进行比较分析的基础上，使用性能较好的集成分类算法C4.5+AdaBoost建模。 把试验数据输入Weka系统，由C4.5+AdaBoost算法生成模型，产生多个决策树。利用存储过程实现这些决策树的功能，预测出客户流失状态，列出高流失趋向客户名单，制定相应的营销策略挽留客户。