面向电信行业的客户流失预测：自适应集成学习方法
机器学习
2024-08-30 v1
摘要
客户流失，即现有客户停止服务，是电信行业面临的重大挑战。本文提出一种新颖的自适应集成学习框架，用于高度准确的客户流失预测。该框架集成了XGBoost、LightGBM、LSTM、多层感知机 (MLP) 神经网络和支持向量机 (SVM) 等多个基模型。这些模型通过堆叠集成方法被战略性地组合，进一步通过来自基模型预测的元特征进行增强。紧密的数据预处理管道结合多维特征工程方法，以优化模型性能。该框架在三个公开的电信流失数据集上进行评估，显示与当前最先进技术相比具有显著的准确率提升。研究实现了惊人的99.28%的准确率，标志着流失预测的重大进步。讨论了该研究对于在电信行业中开发积极客户保留策略的意义。
引用
@article{arxiv.2408.16284,
title = {Enhancing Customer Churn Prediction in Telecommunications: An Adaptive Ensemble Learning Approach},
author = {Mohammed Affan Shaikhsurab and Pramod Magadum},
journal= {arXiv preprint arXiv:2408.16284},
year = {2024}
}
备注
12 pages,2 figures