张三妞 张智斌

摘  要：针对客户流失在电信中检测率低的问题，文章提出了一种改进粒子群的随机森林模型。首先对数据的每个属性进行分析，选取合适的特征，再用SMOTE技术处理数据不均匀问题，然后运用决策树、随机森林、支持向量机等监督算法得出其中最优模型，其中随机森林算法最优，最后用改进PSO算法中的惯性权重和学习因子优化随机森林的参数。经实验验证该模型比随机森林和粒子群优化后的随机森林数据要高，准确率高达91%，召回率高达95%。

关键词：客户流失;随机森林;粒子群算法

中图分类号：TP18         文献标识码：A文章编号：2096-4706（2021）22-0075-04

Abstract： Aiming at the low detection rate of customer churn in telecommunications， this paper proposes a random forest model based on the improved particle swarm optimization. Firstly， each attribute of the data is analyzed， the appropriate characteristics are selected， and SMOTE technology is used to deal with the problem of uneven data. Then， the optimal model is obtained by using the supervision algorithms such as decision tree， random forest and support vector machine， in which the random forest algorithm is the best. Finally， the parameters of random forest are optimized by using the inertia weight and learning factor in the improved PSO algorithm. Experiment results show that the effect of the model is higher than random forest and random forest optimized by improved particle swarm optimization， the accuracy is up to 91%， and the recall rate reaches 95%.

Keywords： customer churn; random forest; particle swarm optimization

0  引  言

電信公司通常将客户流失作为一个关键的业务指标来预测离开电信服务提供商的客户数量，直接影响到服务提供商的竞争力。客户流失是指客户离开服务提供商的比例，又因为获取新客户的成本既高又难，保持已有顾客的成本远远小于赢得新顾客的成本，因此对于给定的特定参数，顾客是否会流失变得尤为重要。国内外有大量的文献研究了客户流失预测，研究领域涉及极广，主要包括电信[1]、银行[2]、超市[3]以及游戏客户的流失等。客户流失预测经过多年的研究，客户流失预测研究领域取得了诸多成果。客户流失的现有算法主要可分为四种：基于传统统计学方法、基于人工智能、基于统计学习理论以及基于集成分类器的预测算法。

电信客户流失预测包含用户属性分析、服务属性分析以及合同属性分析特征。……