预测客户流失：基于时序数据的极端梯度提升
机器学习
2018-02-13 v1 人工智能
机器学习
摘要
利用大规模时间序列数据准确预测客户流失是许多业务领域面临的共性问题。由于时间序列数据常见的时序问题，为训练和测试构建跨多个时间窗口的模型特征尤其具有挑战性。在本文中，我们将探索极端梯度提升（XGBoost）在具有多种多样时序特征的客户数据集上的应用，以创建高精度的客户流失模型。特别地，我们描述了一种处理时序敏感特征工程的有效方法。所提模型提交于 WSDM Cup 2018 流失预测挑战赛，并在 575 支队伍中夺得第一。
引用
@article{arxiv.1802.03396,
title = {Predicting Customer Churn: Extreme Gradient Boosting with Temporal Data},
author = {Bryan Gregory},
journal= {arXiv preprint arXiv:1802.03396},
year = {2018}
}
备注
WSDM 2018