[发明专利]一种预测学生续费模型及方法

说明书

本发明属教学管理技术领域，涉及一种管理学生续费模型及方法，具体涉及一种预测学生续费模型及方法，所述预测模型为eXtreme Gradient Boosting(XGBoost)；所述的方法中包括，根据学生续费的业务规则采集正负样本，特征工程部分，根据模型离线训练数据并结合预测数据拼接，获得最新的预测模型，输出根据预测模型得出的预测名单；本发明采用eXtreme Gradient Boosting(XGBoost)预测学生续费意愿，评估学生和家长对教学效果的满意度，帮助课程顾问智能服务学生和家长。本发明能有效解决现有教学管理中有关课程顾问管理学生续费问题费时费力，效率不高的问题。

技术领域

本发明涉及教学管理技术领域，具体设计一种预测学生续费模型及方法.本发明能有效解决现有教学管理中有关课程顾问管理学生续费问题费时费力，效率不高的问题。

背景技术

随着互联网+教育模式的迅猛发展，加之机器学习技术的不断成熟，在线教育行业成为市场新宠。随之，使用机器学习技术帮助教师高效传道授业，帮助学生灵活掌握知识，帮助课程顾问智能服务学生和家长，成为业内需要解决的一系列问题。当前，在线教育辅导培训机构行业竞争激烈，机构在忙于招收新生的同时还需要维护已经上课的老生，实际上，对于相关的培训教育机构而言，大量的老生续费远比重新招生要重要的多，而且要维护数量庞大的老生并且续费需要大量的人力、物力资源。

基于现有技术的现状，为了解决现有技术的不足，本申请的发明人拟提供一种预测学生续费模型及方法，本发明将有助于使培训教育机构能够运行更高效，节约资源，帮助课程顾问提高专业技能和服务水平，提高学生续费率。

发明内容

本发明的目的在于，基于现有技术的现状以及为了解决现有技术的不足，提供一种预测学生续费模型及方法，本发明将有助于使培训教育机构能够运行更高效，节约资源，帮助课程顾问提高专业技能和服务水平，提高学生续费率。

本发明的一种预测学生续费模型，采用eXtreme Gradient Boosting(XGBoost)预测学生是否有续费意愿，评估学生和家长对教学效果的满意度，帮助课程顾问智能服务学生和家长。

本发明的预测学生续费的方法，包括，根据学生续费的业务规则采集正负样本；特征工程部分，根据模型离线训练数据并结合预测数据拼接，获得最新的预测模型，输出根据预测模型得出的预测名单。

本发明能有效解决现有教学管理中有关课程顾问管理学生续费问题费时费力，效率不高的问题。

具体的，本发明的一种预测学生续费模型，采用eXtreme Gradient Boosting(XGBoost)模型，所述的eXtreme Gradient Boosting(XGBoost)预测模型根据模型离线训练数据结合预测数据拼接获得：

所述XGBoost模型的最优目标函数为：

其中T表示叶子结点的个数，w表示叶子节点的分数，γ可以控制叶子结点的个数，λ可以控制叶子节点的分数不会过大，防止过拟合。

本发明的预测学生续费的方法包括以下步骤：

(1)样本采集，根据学生续费的业务规则采集正负样本：一定的时间节点之前，一个月内有续费行为的学生为正样本，20个月内没有任何续费行为的学生为负样本，特征采集时间在标注的采集时间之前，防止特征泄露，保证模型的预测性。按照业务规则标注正负样本不仅高效灵活而且贴合业务场景；

(2)特征工程部分，经对比使用原始的统计特征和使用两个统计特征做除法加工得到的计算特征的结果，发现前者的预测效果要明显优于后者；对于特征的相关性分析，取值分布均匀和结果相关性趋势明显的特征比分布不均匀和结果相关性趋势不明显的特征预测效果稳定；

本方法中，空值的填充，尽量兼顾数据分布均匀，业务上可解释；