面向实际电信挑战的卷积网络高精度预测
机器学习
2016-07-15 v3 计算机视觉与模式识别
摘要
我们研究了深度学习的应用，特别是使用GPU训练的卷积网络，如何帮助在电信业务环境中构建更好的预测模型，并弥补这一差距。我们特别关注电信运营商中预测客户流失这一非平凡问题。我们的模型称为WiseNet，由一个卷积网络和一种将客户活动数据与呼叫详细记录(CDRs)转换为图像的新颖编码方法组成。使用多种机器学习分类器的实验评估支持了WiseNet在采用结构化输入数据时学习特征的能力。对于此类电信业务问题，我们发现WiseNet优于具有手工设计特征的机器学习模型，且不需要劳动密集型的特性工程步骤。此外，同一模型未经重新训练应用于不同市场，取得了一致的结果。这证实了WiseNet的泛化能力和提取有用表示的能力。
引用
@article{arxiv.1511.04906,
title = {Performing Highly Accurate Predictions Through Convolutional Networks for Actual Telecommunication Challenges},
author = {Jaime Zaratiegui and Ana Montoro and Federico Castanedo},
journal= {arXiv preprint arXiv:1511.04906},
year = {2016}
}
备注
11 pages, 6 figures, accepted by IJCAI-16 Workshop on Deep Learning for Artificial Intelligence (DLAI)