[发明专利]客户流失检测模型训练方法、客户流失检测方法及装置

权利要求书

1.一种客户流失检测模型训练方法，包括：

基于后台数据库中记录的客户历史数据，得到多个客户行为数据样本，其中，所述多个客户行为数据样本包括多个第一样本和多个第二样本，所述第一样本的标签表示客户未流失，所述第二样本的标签表示客户已流失；

分别对所述多个第一样本和所述多个第二样本进行多次采样，得到多个训练集和多个测试集；以及

利用所述多个训练集和所述多个测试集对初始模型包括的多个学习器进行集成学习，得到客户流失检测模型。

2.根据权利要求1所述的方法，其中，所述分别对所述多个第一样本和所述多个第二样本进行多次采样，得到多个训练集和多个测试集，包括：

在每次采样过程中，基于预设比例，将所述多个第一样本分为多个第一训练样本和多个第一测试样本；

对所述多个第二样本进行多次有放回抽样，得到多个第二训练样本；

基于所述有放回抽样的次数，从所述多个第二样本中确定多个第二测试样本；

基于所述多个第一训练样本和所述多个第二训练样本，得到所述训练集；以及

基于所述多个第一测试样本和所述多个第二测试样本，得到所述测试集。

3.根据权利要求2所述的方法，其中，所述基于所述有放回抽样的次数，从所述多个第二样本中确定多个第二测试样本，包括：

基于所述有放回抽样的次数和所述多个第二样本的数量，确定采样数量；以及

基于所述采样数量，从所述多个第二样本中确定所述多个第二测试样本。

4.根据权利要求1所述的方法，其中，所述利用所述多个训练集和所述多个测试集对初始模型包括的多个学习器进行集成学习，得到客户流失检测模型，包括：

利用所述多个训练集分别对所述多个学习器进行多次迭代训练，以调整所述多个学习器各自的模型参数，得到多个目标学习器；以及

利用所述多个测试集分别对所述多个目标学习器进行多次迭代测试，以更新所述多个学习器各自的权重，得到所述客户流失检测模型。

5.根据权利要求4所述的方法，其中，所述利用所述多个测试集分别对所述多个目标学习器进行多次迭代测试，以更新所述多个学习器各自的权重，得到所述客户流失检测模型，包括：

在每次迭代测试过程中，将所述多个测试集分别输入所述多个目标学习器中，得到所述多个目标学习器各自的第一输出特征；

基于所述多个目标学习器各自的第一输出特征和所述多个测试集各自的标签，确定所述多个目标学习器各自的检测准确次数；以及

基于所述多个目标学习器各自的检测准确次数，确定所述多个学习器各自的权重。

6.根据权利要求4所述的方法，其中，所述利用所述多个训练集分别对所述多个学习器进行多次迭代训练，以调整所述多个学习器各自的模型参数，得到多个目标学习器，包括：

在每次迭代训练过程中，对于每个所述学习器，将所述多个训练集依次输入所述学习器，得到多个第二输出特征；

基于所述多个第二输出特征和所述多个训练集各自的标签，确定训练损失；以及

利用所述训练损失来调整所述学习器的模型参数。

7.根据权利要求1所述的方法，其中，所述基于后台数据库中记录的客户历史数据，得到多个客户行为数据样本，包括：

基于所述客户历史数据，得到与多位客户各自相关的多个历史行为数据；以及

对于每个所述历史行为数据，对所述历史行为数据进行特征提取，得到所述客户行为数据样本。

8.根据权利要求7所述的方法，其中，所述对所述历史行为数据进行特征提取，得到所述客户行为数据样本，包括：

对所述历史行为数据进行主成分分析，得到多个主成分特征和所述多个主成分特征各自的贡献率；

基于所述多个主成分特征各自的贡献率与预设阈值的比较结果，从所述多个主成分特征中确定多个目标主成分特征；以及

基于所述多个目标主成分特征，得到所述客户行为数据样本。