公开(公告)号：CN109460872B

公开(公告)日：2021-11-16

申请号：CN201811353587.9

申请日：2018-11-14

Applicant: 重庆邮电大学

Inventor： 袁正午 ,  赵璞 ,  段炼

IPC: G06Q10/04 ,  G06Q50/30 ,  G06F16/2458

Abstract: 本发明提供了一种面向移动通信用户流失不平衡数据预测方法。该方法主要基于改进的深度森林模型算法框架对通信用户流失不平衡数据进行分类。首先在深度森林模型的多粒度窗口滑动过程构造新的参数，控制不同类别用户数据滑动。将滑动后的数据带入级联森林部分训练，森林中的每颗决策树根据训练结果对不同类别的数据赋予不同的权重。最终算法模型的投票结果采用加权后投票，从而实现对不平衡用户数据的处理。本发明提供的预测方法将深度森林中多粒度滑动模块改进为对不同的分类进行滑动，同时森林中每颗决策树对不同类别用户的权重进行更新，使得整个模型对移动通信用户流失不平衡数据具有更高的识别精度。

公开(公告)号：CN109460872A

公开(公告)日：2019-03-12

申请号：CN201811353587.9

申请日：2018-11-14

Applicant: 重庆邮电大学

Inventor： 袁正午 ,  赵璞 ,  段炼

IPC: G06Q10/04 ,  G06Q50/30 ,  G06F16/2458

Abstract: 本发明提供了一种面向移动通信用户流失不平衡数据预测方法。该方法主要基于改进的深度森林模型算法框架对通信用户流失不平衡数据进行分类。首先在深度森林模型的多粒度窗口滑动过程构造新的参数，控制不同类别用户数据滑动。将滑动后的数据带入级联森林部分训练，森林中的每颗决策树根据训练结果对不同类别的数据赋予不同的权重。最终算法模型的投票结果采用加权后投票，从而实现对不平衡用户数据的处理。本发明提供的预测方法将深度森林中多粒度滑动模块改进为对不同的分类进行滑动，同时森林中每颗决策树对不同类别用户的权重进行更新，使得整个模型对移动通信用户流失不平衡数据具有更高的识别精度。