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

Java程序进程起来了但是不打印日志的原因分析

《Java程序进程起来了但是不打印日志的原因分析》:本文主要介绍Java程序进程起来了但是不打印日志的原因分析,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Java程序进程起来了但是不打印日志的原因1、日志配置问题2、日志文件权限问题3、日志文件路径问题4、程序

Java字符串操作技巧之语法、示例与应用场景分析

《Java字符串操作技巧之语法、示例与应用场景分析》在Java算法题和日常开发中,字符串处理是必备的核心技能,本文全面梳理Java中字符串的常用操作语法,结合代码示例、应用场景和避坑指南,可快速掌握字... 目录引言1. 基础操作1.1 创建字符串1.2 获取长度1.3 访问字符2. 字符串处理2.1 子字

openCV中KNN算法的实现

《openCV中KNN算法的实现》KNN算法是一种简单且常用的分类算法,本文主要介绍了openCV中KNN算法的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录KNN算法流程使用OpenCV实现KNNOpenCV 是一个开源的跨平台计算机视觉库,它提供了各

Python 迭代器和生成器概念及场景分析

《Python迭代器和生成器概念及场景分析》yield是Python中实现惰性计算和协程的核心工具,结合send()、throw()、close()等方法,能够构建高效、灵活的数据流和控制流模型,这... 目录迭代器的介绍自定义迭代器省略的迭代器生产器的介绍yield的普通用法yield的高级用法yidle

利用Python快速搭建Markdown笔记发布系统

《利用Python快速搭建Markdown笔记发布系统》这篇文章主要为大家详细介绍了使用Python生态的成熟工具,在30分钟内搭建一个支持Markdown渲染、分类标签、全文搜索的私有化知识发布系统... 目录引言:为什么要自建知识博客一、技术选型:极简主义开发栈二、系统架构设计三、核心代码实现(分步解析

C++ Sort函数使用场景分析

《C++Sort函数使用场景分析》sort函数是algorithm库下的一个函数,sort函数是不稳定的,即大小相同的元素在排序后相对顺序可能发生改变,如果某些场景需要保持相同元素间的相对顺序,可使... 目录C++ Sort函数详解一、sort函数调用的两种方式二、sort函数使用场景三、sort函数排序

springboot+dubbo实现时间轮算法

《springboot+dubbo实现时间轮算法》时间轮是一种高效利用线程资源进行批量化调度的算法,本文主要介绍了springboot+dubbo实现时间轮算法,文中通过示例代码介绍的非常详细,对大家... 目录前言一、参数说明二、具体实现1、HashedwheelTimer2、createWheel3、n

kotlin中const 和val的区别及使用场景分析

《kotlin中const和val的区别及使用场景分析》在Kotlin中,const和val都是用来声明常量的,但它们的使用场景和功能有所不同,下面给大家介绍kotlin中const和val的区别,... 目录kotlin中const 和val的区别1. val:2. const:二 代码示例1 Java

Go标准库常见错误分析和解决办法

《Go标准库常见错误分析和解决办法》Go语言的标准库为开发者提供了丰富且高效的工具,涵盖了从网络编程到文件操作等各个方面,然而,标准库虽好,使用不当却可能适得其反,正所谓工欲善其事,必先利其器,本文将... 目录1. 使用了错误的time.Duration2. time.After导致的内存泄漏3. jsO

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