基于深度卷积神经网络与自编码器的客户流失分析
机器学习
2016-04-20 v1 机器学习
神经与进化计算
摘要
为了利用图像分类中突出的深度学习架构进行客户流失预测，将客户的时间行为数据表示为图像。使用深度卷积神经网络在超过600万客户的标注数据上进行了监督学习，在测试数据集上取得了0.743的AUC，每个客户使用的时序特征不超过12个。使用自编码器进行了无监督学习，以更好地理解客户流失的原因。由流失客户训练的自编码器中最大激活隐藏单元的图像，揭示了在强数据、无语音用户中采取行动防止流失的充足机会。
引用
@article{arxiv.1604.05377,
title = {Churn analysis using deep convolutional neural networks and autoencoders},
author = {Artit Wangperawong and Cyrille Brun and Olav Laudy and Rujikorn Pavasuthipaisit},
journal= {arXiv preprint arXiv:1604.05377},
year = {2016}
}