论文部分内容阅读
针对客户预测模型中流失客户与保持客户数据的非平衡性问题和错分代价的差异性问题，应用代价敏感学习理论应用于不同惩罚系数的SVM，通过这种改进的SVM建立客户流失预测模型。通过电信数据的实证研究发现，与传统SVM、C4．5和ANN对比，这种改进SVM算法在模型预测的精确度、命中率、覆盖率和提升度均有所改善，有效地解决了数据集的非平衡性和错分代价问题。