[發明專利]一種預測學生續費模型及方法

在審

• 申請號: 201910583932.6
• 申請日: 2019-06-28
• 公開（公告）號: CN112150185A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 姚璐
• 申請（專利權）人: 上海掌學教育科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q50/20;G06K9/62
• 代理公司: 上海元一成知識產權代理事務所(普通合伙) 31268
• 代理人: 吳桂琴

本發明屬教學管理技術領域，涉及一種管理學生續費模型及方法，具體涉及一種預測學生續費模型及方法，所述預測模型為eXtreme Gradient Boosting(XGBoost)；所述的方法中包括，根據學生續費的業務規則采集正負樣本，特征工程部分，根據模型離線訓練數據并結合預測數據拼接，獲得最新的預測模型，輸出根據預測模型得出的預測名單；本發明采用eXtreme Gradient Boosting(XGBoost)預測學生續費意愿，評估學生和家長對教學效果的滿意度，幫助課程顧問智能服務學生和家長。本發明能有效解決現有教學管理中有關課程顧問管理學生續費問題費時費力，效率不高的問題。

技術領域

本發明涉及教學管理技術領域，具體設計一種預測學生續費模型及方法.本發明能有效解決現有教學管理中有關課程顧問管理學生續費問題費時費力，效率不高的問題。

背景技術

隨著互聯網+教育模式的迅猛發展，加之機器學習技術的不斷成熟，在線教育行業成為市場新寵。隨之，使用機器學習技術幫助教師高效傳道授業，幫助學生靈活掌握知識，幫助課程顧問智能服務學生和家長，成為業內需要解決的一系列問題。當前，在線教育輔導培訓機構行業競爭激烈，機構在忙于招收新生的同時還需要維護已經上課的老生，實際上，對于相關的培訓教育機構而言，大量的老生續費遠比重新招生要重要的多，而且要維護數量龐大的老生并且續費需要大量的人力、物力資源。

基于現有技術的現狀，為了解決現有技術的不足，本申請的發明人擬提供一種預測學生續費模型及方法，本發明將有助于使培訓教育機構能夠運行更高效，節約資源，幫助課程顧問提高專業技能和服務水平，提高學生續費率。

發明內容

本發明的目的在于，基于現有技術的現狀以及為了解決現有技術的不足，提供一種預測學生續費模型及方法，本發明將有助于使培訓教育機構能夠運行更高效，節約資源，幫助課程顧問提高專業技能和服務水平，提高學生續費率。

本發明的一種預測學生續費模型，采用eXtreme Gradient Boosting(XGBoost)預測學生是否有續費意愿，評估學生和家長對教學效果的滿意度，幫助課程顧問智能服務學生和家長。

本發明的預測學生續費的方法，包括，根據學生續費的業務規則采集正負樣本；特征工程部分，根據模型離線訓練數據并結合預測數據拼接，獲得最新的預測模型，輸出根據預測模型得出的預測名單。

本發明能有效解決現有教學管理中有關課程顧問管理學生續費問題費時費力，效率不高的問題。

具體的，本發明的一種預測學生續費模型，采用eXtreme Gradient Boosting(XGBoost)模型，所述的eXtreme Gradient Boosting(XGBoost)預測模型根據模型離線訓練數據結合預測數據拼接獲得：

所述XGBoost模型的最優目標函數為：

其中T表示葉子結點的個數，w表示葉子節點的分數，γ可以控制葉子結點的個數，λ可以控制葉子節點的分數不會過大，防止過擬合。

本發明的預測學生續費的方法包括以下步驟：

(1)樣本采集，根據學生續費的業務規則采集正負樣本：一定的時間節點之前，一個月內有續費行為的學生為正樣本，20個月內沒有任何續費行為的學生為負樣本，特征采集時間在標注的采集時間之前，防止特征泄露，保證模型的預測性。按照業務規則標注正負樣本不僅高效靈活而且貼合業務場景；

(2)特征工程部分，經對比使用原始的統計特征和使用兩個統計特征做除法加工得到的計算特征的結果，發現前者的預測效果要明顯優于后者；對于特征的相關性分析，取值分布均勻和結果相關性趨勢明顯的特征比分布不均勻和結果相關性趨勢不明顯的特征預測效果穩定；

本方法中，空值的填充，盡量兼顧數據分布均勻，業務上可解釋；