[发明专利]一种非契约客户流失预测方法及系统

权利要求书

1.一种非契约客户流失预测方法，其特征在于，包括：

获取非契约客户的原始数据；

对所述非契约客户的原始数据进行清洗，获得待约简数据；

针对所述待约简数据进行属性约简处理，获得约简属性集；

根据所述约简属性集构建至少两个子分类器模型；

针对所述至少两个子分类器模型进行线性集成，获得预测模型；

基于所述预测模型输出预测结果。

2.根据权利要求1所述的非契约客户流失预测方法，其特征在于，所述对所述非契约客户的原始数据进行清洗，获得待约简数据，具体包括：

根据自组织特征映射网络对所述非契约客户的原始数据的连续属性值进行离散化处理，获得所述待约简数据。

3.根据权利要求2所述的非契约客户流失预测方法，其特征在于，所述至少两个子分类器模型包含第一子分类器模型、第二子分类器模型、第三子分类器模型以及第四子分类器模型。

4.根据权利要求3所述的非契约客户流失预测方法，其特征在于，所述第一子分类器模型的计算公式：

其中，所述x_i为输入结点；所述y_l为输出结点；所述w_ji和所述θ_j为输入层与隐层结点间的网络权值和阀值；所述v_lj和所述θ_l为隐层结点与输出层结点间的网络权值和阀值。

5.根据权利要求3所述的非契约客户流失预测方法，其特征在于，所述第二子分类器模型的计算公式：

其中，所述i＝1,2,…,h，所述h为隐含层的结点数；所述j＝1,2,…,n，n为输出层结点数；所述为第p个输入样本；所述p＝1,2,…,P，所述P为样本总数；所述c_i为网络隐含层结点的中心；所述w_ij为隐含层到输出层的连接权值；所述σ为高斯函数的方差；所述y_j为第j个结点的实际输出。

6.根据权利要求3所述的非契约客户流失预测方法，其特征在于，所述第三子分类器模型的计算公式：

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分别表示m维输出结点向量，所述n维中间层结点单元向量，所述r维输入向量和n维反馈状态向量；所述w³,w²,w¹分别表示中间层到输出层、输入层到中间层、承接层到中间层的连接权值；所述g(·)为输出神经元的传递函数，是中间层输出的线性组合；所述f(·)为中间层神经元的传递函数。

7.根据权利要求3所述的非契约客户流失预测方法，其特征在于，所述第四子分类器模型的计算公式：

其中，所述n为样本容量；所述σ为高斯函数的宽度系数；所述为条件均值。

8.根据权利要求1所述的非契约客户流失预测方法，其特征在于，所述预测模型的表达式为：

其中，所述为集成模型对第i个客户的组合预测值；所述y_ik为第k个子分类器模型对第i个客户的预测值，所述k＝1,2,…,K；w_k为模型集成中第k个子分类器模型的权重系数。

9.一种非契约客户流失预测系统，其特征在于，包括：

获取模块，用于获取非契约客户的原始数据；

清洗模块，用于对所述非契约客户的原始数据进行清洗，获得待约简数据；

预处理模块，用于针对所述待约简数据进行属性约简处理，获得约简属性集；

建模模块，用于根据所述约简属性集构建至少两个子分类器模型；针对所述至少两个子分类器模型进行线性集成，获得预测模型；

预测模块，用于基于所述预测模型输出预测结果。