论文部分内容阅读
根据已有的流失预测方法，提出新的流失预测方法解决数据挖掘中的非对称错分代价问题．该方法以传统C4．5决策树算法为基准分类器，融合代价调整方法实现代价敏感学习．相比之下，C4．5决策树算法仅是基于样本错分代价相同假定，建立了一种错分率最低而非总错分代价最低的预测模型．基于某电信企业的客户数据，及流失客户和非流失客户代价非对称的实际，实证研究结果表明，CS—C4．5通过调整流失类和非流失类样本的比例，大大降低了传统分类算法的样本错分总代价．该方法对于提高电信企业的核心竞争力具有重要的现实意义．