【摘 要】
：
随着大数据时代的到来,银行在越来越多的客户信息中以传统电话营销的方式寻找有价值的客户无异于大海捞针,需要投入很多时间成本和人力资源。因此,如何对海量客户进行精准分类成为银行电话营销的关键。机器学习方法因其强大的数据挖掘能力被广泛应用,在分类问题上表现出显著的性能优势。鉴于此,本文采用改进后的机器学习方法对银行电话营销客户数据进行分类预测,以图提高银行电话营销的命中率。为进一步提高银行电话营销预测的
论文部分内容阅读
随着大数据时代的到来,银行在越来越多的客户信息中以传统电话营销的方式寻找有价值的客户无异于大海捞针,需要投入很多时间成本和人力资源。因此,如何对海量客户进行精准分类成为银行电话营销的关键。机器学习方法因其强大的数据挖掘能力被广泛应用,在分类问题上表现出显著的性能优势。鉴于此,本文采用改进后的机器学习方法对银行电话营销客户数据进行分类预测,以图提高银行电话营销的命中率。为进一步提高银行电话营销预测的准确性,本文提出了基于改进麻雀搜索算法优化的多核极限学习机分类方法（Gt SSA-MKELM-KA）对银行电话营销客户进行精准分类。首先,提出基于Boruta算法的客户重要特征选择方法,通过降低特征维数大幅降低模型的计算复杂度。其次,采用ADASYN自适应综合采样技术对数据集进行不平衡处理,使正负类别样本数量达到平衡。最后,本文基于多核函数对极限学习机进行改进,构造了基于多核高斯函数的多核极限学习机模型（MKELM）。由于多核函数性能易受参数影响,本文使用麻雀搜索算法对多核函数进行参数寻优,为了提高寻优效果,提出了基于佳点集理论和自适应t分布变异改进的麻雀搜索算法（Gt SSA）。此外,为了降低模型计算复杂度,提出基于核目标度量的Gt SSA适应度函数定义,并结合前文改进的分类方法,最终构建了本文所使用的Gt SSA-MKELM-KA分类模型。对于客户分类结果,引入三支聚类思想对分类结果进行分析,进而对客户群体进行更细粒度的类别划分。本文结合银行机构的电话营销真实数据进行实验。将所提改进方法与原始方法及目前主流机器学习方法对比,实验结果显示本文模型在AUC、Acc等多个指标上,对银行客户具有更加优异的分类效果。基于三支聚类对分类结果进行细粒度划分,最终将客户分为订购客户、不订购客户和潜在客户三类并进行TSNE可视化,通过对比发现本文所提划分方式更为合理。综上所述,本文所提客户分类模型在实际银行电话营销场景下具有很好的表现,可以为银行电话营销人员更加精准地开展电话营销活动提供辅助。
其他文献
当前,我国对生态环境保护的重视程度可谓是空前之大,陆续颁布的政策文件和法律法规使得整个社会都将目光投射到环境保护上来。企业作为推动经济发展的主体,成为了解决环境问题的重要力量,且在此过程中衍生出了不同形式的环境实践。在学术界,虽然学者们已经认可了绿色供应链管理是企业推动环境治理的有效手段,并进一步探究了影响绿色实践的因素,但是现有研究多基于单一层面或单一因素展开,且对供应链层面差异化环境实践的研究
在日益繁荣的互联网社会中,网络霸凌成为了一种新型的社会问题。虽然网络霸凌发生在不同的在线渠道和平台上,但社交媒体成为了网络霸凌的重灾区。社交媒体代表了一种新式的集成通信平台,具有匿名性、开放性、即时性等特征,这也使得社交媒体的社交环境更容易发生网络霸凌,并且霸凌行为带来的伤害往往也更加严重。由于多重角色扮演以及社交互动中不一致的角色期待,社交媒体用户经常会出现角色冲突现象。此外,一些社交媒体用户往
随着社会经济和科技水平的不断发展,人们在日常生活中产生的垃圾越来越多,将这些垃圾进行分类存放和处理,对于可回收资源的再利用和保护自然环境来说具有重要意义。但是由于很多居民对于垃圾分类相关知识的缺乏,导致目前垃圾在源头分类的准确率和效率并不高。近年来,卷积神经网络的飞速发展,使借助深度学习技术实现垃圾的智能分类具有了现实的可能性。如果将垃圾图像分类模型嵌入到分类垃圾桶中,通过识别垃圾图像来辅助居民进
群体决策广泛存在于人类社会的经济、政治、文化等领域,已成为人类日常活动之一。由于决策环境的不确定性及人类认知的模糊性,在群体决策问题中,决策者越来越倾向于使用语言术语来表达其观点,即语言型群体决策问题。在语言型群体决策问题中,不同的决策者对同一个语言术语可能有着不同的理解,即个性化语义。对决策者的个性化语义进行建模能够得到更合理更符合实际的决策结果。在考虑个性化语义的语言型群体决策问题中,群体共识
随着在线医疗社区的不断发展,医患的可持续互动对于优化医疗资源分布、改善医患关系和帮助患者管理疾病等方面具有重要意义。患者参与在线医疗社区可以获得来自医生的社会支持,同时他们也可以给予医生经济回报与社会回报。医患持续互动作为在线医疗社区社会交换的重要过程,目前学者们主要进行了影响医生经济回报的相关研究,较少有研究关注影响医生社会回报的因素。同时从医患互动的角度出发,探究医生的在线社会支持对患者提供给
数据的开放与资源的共享已经成为信息时代最大的特点之一。随着行业间数据壁垒的逐渐消失,跨领域推荐受到了越来越多的关注。跨领域推荐与单一领域推荐不同,单一领域的数据相对而言同质化程度更深,而跨领域推荐意味着可以利用数量更多、内容更多元的数据进行模型训练,从而提升模型的推荐效果。传统的跨领域推荐利用信息更加丰富的源域辅助目标域学习,提升目标域推荐效果。然而,这种跨领域推荐将关注点集中于目标域,无法逆向为
随着互联网+模式的发展,众包已在诸多领域得以应用。众包平台中的接包方是由不同的技能水平和社会背景组成,因此提交的任务结果不尽相同。目前国内现有平台尚未建立对接包方的客观全面的评价体系,同时对发包方和众包平台也缺少必要的参考依据,如何对接包方进行信誉评价成为众包领域下相关研究的热点。本文总结了大量的国内外研究文献,介绍了众包模式及信誉的相关研究工作,分析了现有众包中信誉评价工作的优缺点。通过对众包平
近些年,共享房源行业的大规模发展带来了房源数量的激增,在竞争日益激烈的市场环境下,房东可能无法准确地自主定价。为确保房东以及平台的收益,合理预测共享房源平台中海量房屋的租金价格成为重要的研究问题。然而,共享房源的个性化程度较高,并不能直接参照酒店行业选取房源特征,为解决共享房源价格预测问题带来了巨大挑战。因此,为帮助房东提高自主定价的准确性,本文在构建共享房源价格影响因素模型的基础上,提出了一种基
在线知识社区是具有开放性和自组织性的线上虚拟组织,已成为知识建构和共享的主要平台。随着人工智能的发展,机器人在社区中得到广泛应用,通过与人协作的方式共同参与知识建构。在线上人机协作的背景下,如何寻找执行任务的替代流程以充分利用人机协同效应是组织面临的关键问题。然而,当前研究中缺乏从人机互补增强视角考虑如何优化现有的知识建构流程以提升协作绩效。因此,本文从流程视角出发,考虑人类和机器人的互补优势,研
风险社会背景下,食品安全关系到消费者的身体健康和社会整体的稳定和谐,受到全世界的重点关注。与此同时,伴随新兴技术的发展,社会系统之间的耦合程度提升,各类规模较大的突发事件往往不是独立爆发,呈现明显的级联特征,各级联事件之间的驱动因素、影响因素相互交织,导致负面影响不断累积放大。为响应我国防范化解重大风险的号召,基于级联风险视角对食品安全事件进行分析,并进一步构建应急决策模型,既有助于政府及应急管理