摘要：及时识别具有离网倾向的客户对于宽带运营商具有十分重要的意义。本文以某市移动公司为例，针对不平衡移动数据，采用人工合成少数类过采样算法（SMOTE）进行重抽样，而后采用决策树、Adaboost两种分类算法构建离网预警模型，最终选取分类精度最高的SMOTE样本与Adaboost算法组合模型作为移动宽带客户离网预警模型，并据此为运营商提出相应建议。

关键字：不平衡样本；重抽样；Adaboost；离网预警模型

一、引言

随着“宽带中国”战略的实施，宽带建设已上升为国家战略性公共基础设施建设工程。宽带业务市场蒸蒸日上的同时，想要保持并扩大市场占有率和利润，宽带运营商必须在争取新客户的同时，也致力于保留既有用户。因此，建立宽带离网预警模型来准确有效地识别出“预离网”用户，根据特定用户的需求制定出个性化的营销方案，有效挽回客户显得尤为重要。然而，移动宽带客户行为数据存在在网客户和离网客户比例严重失衡，对不平衡的宽带离网用户数据进行重抽样则尤为必要。本文将运用人工合成少数类过抽样方法进行重抽样，以平衡移动宽带离网用户和在网用户数，在此基础上，通过决策树、Adaboost两种分类算法，构建移动宽带用户离网预警模型，发掘引致用户离网的重要因素。

二、移动宽带用户离网数据预处理

1、指标选取及数据预处理

移动宽带离网数据量较大，数据复杂程度较高，因此对移动宽带离网数据进行数据预处理是极为必要的。……