论文笔记1《基于ID3决策树改进算法的客户流失预测分析》

2024-04-29 15:18

本文主要是介绍论文笔记1《基于ID3决策树改进算法的客户流失预测分析》,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

《计算机科学》 2010


部分摘要:指出了该算法的取指偏向性以及运算效率不高等缺点,在此基础上提出了改进的ID3算法,该算法通过引入先验知识度参数,有效克服ID3算法中的取值偏向性和运算效率不高等问题。



算法改进:针对传统的ID3算法的缺点与不足进行以下三点尝试性的改进。

(1)  引入权重因子m,设属性A有n种取值,那么m=1/n(可根据经验设定);

则G(A)=[I(p,n)-E(A)]*m

(2)  定义函数H(p,1-p)=-p*log(p)-(1-p)log(1-p), 【其中logx以2为底】;

(3)  事后剪枝;自下而上检查内部节点,如果子树产生的错误大于叶节点表示代替它所产生的错误,就剪掉子树;



 

评价:

客户流失评价矩阵:

 

预测流失

预测不流失

合计

实际流失

TP

FN

TP+FN

实际不流失

FP

TN

FP+TN

合计

TP+FP

FN+TN

TP+FN+FP+TN

TP(True Position);FP(False Position);

FN(False Negatives);TN(True Negatives)

预测命中率=*100%

预测覆盖率=*100%

预测命中率是描述模型精确度的指标(在本文中是预测流失中实际流失的比例)

预测覆盖率是描述模型普适性的指标(本文中是实际流失中预测正确的比例)

 

 

实验结果对比:

取2009年5月份前的历史数据,随机抽取2000条记录进行建模,预测模型对训练集的预测结果:

 

预测流失

预测不流失

合计

实际流失

304

60

364

实际不流失

20

1616

1636

合计

324

1676

2000

预测命中率=*100%=93.33%

预测覆盖率=*100%=83.62%

取2009年5月份的历史数据,随机抽取2000条记录进行预测,则模型对测试集的预测结果:

 

预测流失

预测不流失

合计

实际流失

252

98

348

实际不流失

106

1548

1652

合计

358

1642

2000

预测命中率=*100%=70.39%

预测覆盖率=*100%=72.41%

结果对比检验表明,模型的预测命中率与覆盖率比训练情况稍差,但依然保持了比较好的预测性能。

另外,为了验证改进算法的有效性,采用同样的数据集建模,在相同的计算机平台上将改进后的决策树算法的效率和原来ID3决策树算法的效率进行对比,其计算效率提高了23.5左右,这充分说明使用该改进算法能够以更高的效率和准确率构造决策树,基本达到了实验要求。

 

 

部分结束语:

结果表明,改进算法不仅能更快更高效地建立模型,而且可以提供更高的检测率和更低的误检率。改进的ID3算法的关键是引入调整因子,而调整因子如何确定是以后要进一步研究的工作。

 

这篇关于论文笔记1《基于ID3决策树改进算法的客户流失预测分析》的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/946444

相关文章

Spring事务中@Transactional注解不生效的原因分析与解决

《Spring事务中@Transactional注解不生效的原因分析与解决》在Spring框架中,@Transactional注解是管理数据库事务的核心方式,本文将深入分析事务自调用的底层原理,解释为... 目录1. 引言2. 事务自调用问题重现2.1 示例代码2.2 问题现象3. 为什么事务自调用会失效3

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

找不到Anaconda prompt终端的原因分析及解决方案

《找不到Anacondaprompt终端的原因分析及解决方案》因为anaconda还没有初始化,在安装anaconda的过程中,有一行是否要添加anaconda到菜单目录中,由于没有勾选,导致没有菜... 目录问题原因问http://www.chinasem.cn题解决安装了 Anaconda 却找不到 An

Spring定时任务只执行一次的原因分析与解决方案

《Spring定时任务只执行一次的原因分析与解决方案》在使用Spring的@Scheduled定时任务时,你是否遇到过任务只执行一次,后续不再触发的情况?这种情况可能由多种原因导致,如未启用调度、线程... 目录1. 问题背景2. Spring定时任务的基本用法3. 为什么定时任务只执行一次?3.1 未启用

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

C++ 各种map特点对比分析

《C++各种map特点对比分析》文章比较了C++中不同类型的map(如std::map,std::unordered_map,std::multimap,std::unordered_multima... 目录特点比较C++ 示例代码 ​​​​​​代码解释特点比较1. std::map底层实现:基于红黑

Spring、Spring Boot、Spring Cloud 的区别与联系分析

《Spring、SpringBoot、SpringCloud的区别与联系分析》Spring、SpringBoot和SpringCloud是Java开发中常用的框架,分别针对企业级应用开发、快速开... 目录1. Spring 框架2. Spring Boot3. Spring Cloud总结1. Sprin

Spring 中 BeanFactoryPostProcessor 的作用和示例源码分析

《Spring中BeanFactoryPostProcessor的作用和示例源码分析》Spring的BeanFactoryPostProcessor是容器初始化的扩展接口,允许在Bean实例化前... 目录一、概览1. 核心定位2. 核心功能详解3. 关键特性二、Spring 内置的 BeanFactory

MyBatis-Plus中Service接口的lambdaUpdate用法及实例分析

《MyBatis-Plus中Service接口的lambdaUpdate用法及实例分析》本文将详细讲解MyBatis-Plus中的lambdaUpdate用法,并提供丰富的案例来帮助读者更好地理解和应... 目录深入探索MyBATis-Plus中Service接口的lambdaUpdate用法及示例案例背景

MyBatis-Plus中静态工具Db的多种用法及实例分析

《MyBatis-Plus中静态工具Db的多种用法及实例分析》本文将详细讲解MyBatis-Plus中静态工具Db的各种用法,并结合具体案例进行演示和说明,具有很好的参考价值,希望对大家有所帮助,如有... 目录MyBATis-Plus中静态工具Db的多种用法及实例案例背景使用静态工具Db进行数据库操作插入