[發明專利]一種非契約客戶流失預測方法及系統

在審

• 申請號: 202110171347.2
• 申請日: 2021-02-04
• 公開（公告）號: CN112906960A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 夏國恩;彭偉;柯利佳
• 申請（專利權）人: 廣西智匯佳人力資源有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/02;G06K9/62;G06N3/04
• 代理公司: 昆明人從眾知識產權代理有限公司 53204
• 代理人: 周宇

1.一種非契約客戶流失預測方法，其特征在于，包括：

獲取非契約客戶的原始數據；

對所述非契約客戶的原始數據進行清洗，獲得待約簡數據；

針對所述待約簡數據進行屬性約簡處理，獲得約簡屬性集；

根據所述約簡屬性集構建至少兩個子分類器模型；

針對所述至少兩個子分類器模型進行線性集成，獲得預測模型；

基于所述預測模型輸出預測結果。

2.根據權利要求1所述的非契約客戶流失預測方法，其特征在于，所述對所述非契約客戶的原始數據進行清洗，獲得待約簡數據，具體包括：

根據自組織特征映射網絡對所述非契約客戶的原始數據的連續屬性值進行離散化處理，獲得所述待約簡數據。

3.根據權利要求2所述的非契約客戶流失預測方法，其特征在于，所述至少兩個子分類器模型包含第一子分類器模型、第二子分類器模型、第三子分類器模型以及第四子分類器模型。

4.根據權利要求3所述的非契約客戶流失預測方法，其特征在于，所述第一子分類器模型的計算公式：

其中，所述x_i為輸入結點；所述y_l為輸出結點；所述w_ji和所述θ_j為輸入層與隱層結點間的網絡權值和閥值；所述v_lj和所述θ_l為隱層結點與輸出層結點間的網絡權值和閥值。

5.根據權利要求3所述的非契約客戶流失預測方法，其特征在于，所述第二子分類器模型的計算公式：

其中，所述i＝1,2,…,h，所述h為隱含層的結點數；所述j＝1,2,…,n，n為輸出層結點數；所述為第p個輸入樣本；所述p＝1,2,…,P，所述P為樣本總數；所述c_i為網絡隱含層結點的中心；所述w_ij為隱含層到輸出層的連接權值；所述σ為高斯函數的方差；所述y_j為第j個結點的實際輸出。

6.根據權利要求3所述的非契約客戶流失預測方法，其特征在于，所述第三子分類器模型的計算公式：

y(k)＝g(w³x(k))

x(k)＝f(w¹x_c(k)+w²(u(k-1)))

x_c(k)＝x(k-1)

其中，y,x,u,x_c分別表示m維輸出結點向量，所述n維中間層結點單元向量，所述r維輸入向量和n維反饋狀態向量；所述w³,w²,w¹分別表示中間層到輸出層、輸入層到中間層、承接層到中間層的連接權值；所述g(·)為輸出神經元的傳遞函數，是中間層輸出的線性組合；所述f(·)為中間層神經元的傳遞函數。

7.根據權利要求3所述的非契約客戶流失預測方法，其特征在于，所述第四子分類器模型的計算公式：

其中，所述n為樣本容量；所述σ為高斯函數的寬度系數；所述為條件均值。

8.根據權利要求1所述的非契約客戶流失預測方法，其特征在于，所述預測模型的表達式為：

其中，所述為集成模型對第i個客戶的組合預測值；所述y_ik為第k個子分類器模型對第i個客戶的預測值，所述k＝1,2,…,K；w_k為模型集成中第k個子分類器模型的權重系數。

9.一種非契約客戶流失預測系統，其特征在于，包括：

獲取模塊，用于獲取非契約客戶的原始數據；

清洗模塊，用于對所述非契約客戶的原始數據進行清洗，獲得待約簡數據；

預處理模塊，用于針對所述待約簡數據進行屬性約簡處理，獲得約簡屬性集；

建模模塊，用于根據所述約簡屬性集構建至少兩個子分類器模型；針對所述至少兩個子分類器模型進行線性集成，獲得預測模型；

預測模塊，用于基于所述預測模型輸出預測結果。