基于改进的K-means和BP-Adaboost的寿险客户流失预测算法研究 |
| |
作者姓名: | 闫春 张馨予 |
| |
作者单位: | 山东科技大学数学与系统科学学院,山东青岛266590 |
| |
基金项目: | 国家自然科学基金项目(61502280);;全国统计科学研究重点项目(2019LZ10); |
| |
摘 要: | 针对寿险行业的客户流失问题,构建基于外在、内在、行为(EIB)属性的寿险客户指标体系。提出改进的K-means算法,使用改进的轮廓系数公式判断初始聚类数目,并利用欧式距离相似度与余弦相似度的测度优势提出欧式类簇空间的局部、全局离群点过滤规则。运用传统的K-means算法、不同离群点监测阈值下的改进Kmeans算法进行客户细分及其可视化展示,并采用BP-Adaboost算法对细分后的客户进行流失预测。实证表明:改进的K-means算法可视化噪声降低、簇内误方差减小,可在后续的预测器中实现更高预测精度,为保险公司挖掘更精准的客户分类信息、挽留客户提供决策依据。
|
关 键 词: | 寿险 客户细分 客户流失 K-means算法 BP-Adaboost算法 |
本文献已被 万方数据 等数据库收录! |
|