针对不平衡数据集的客户流失预测算法

针对客户关系管理中的客户流失预测问题进行探讨,通过对客户流失数据特点的分析,以及现有预测算法的比较,将数据挖掘方法中的随机森林算法引入客户流失预测,建立预测模型,并在实际的银行业贷款客户数据集上进行实验,得到了较好的效果.     

组合曲面加工刀具轨迹生成算法

提出一种组合曲面加工无干涉刀具轨迹的生成算法。组合曲面是一组在拓扑上互不相关的曲面元素集合。组合曲面加工中存在2种干涉：一种是曲面元素自身的干涉;另一种是曲面元素间的干涉。算法对这2种干涉统一处理,首先将组合曲面三角化,形成多面体模型;然后由三角形多面体模型生成刀具轨迹。基于交线的三角化过程和干涉区域的缩小判断,使得算法稳定、快速。最后给出其应用实例。     

SVM方法及其在客户流失预测中的应用研究

客户流失分析与预测是客户关系管理的重要内容.针对客户流失问题,建立了支持向量机预测模型.针对实际客户流失数据中正负样本数量不平衡而且数据量大的特点,提出带有不同类权重参数的支持向量机算法CW-SVM,通过调整类权重参数改变分类面位置,提高算法分类准确性;将标准支持向量机训练问题转化为运算效率更高的核向量机问题,提出处理不平衡海量数据集的CWC-SVM算法.通过实际银行信贷客户数据集测试,该算法与传统预测算法比较,更适合解决大数据集和不平衡数据,取得较好的客户流失预测效果.