| 深度随机森林在离网预测中的应用 |
| |
| 引用本文： | 杨晓峰,严建峰,刘晓升,杨璐.深度随机森林在离网预测中的应用[J].计算机科学,2016,43(6):208-213. |
| |
| 作者姓名： | 杨晓峰 严建峰 刘晓升 杨璐 |
| |
| 作者单位： | 苏州大学计算机科学与技术学院 苏州215006,苏州大学计算机科学与技术学院 苏州215006;香港城市大学创意媒体学院 香港999077,苏州大学计算机科学与技术学院 苏州215006,苏州大学计算机科学与技术学院 苏州215006 |
| |
| 基金项目： | 本文受国家自然科学基金(61373092,61033013,61272449,61202029),江苏省教育厅重大项目(12KJA520004),江苏省科技支撑计划重点项目(BE2014005),广东省重点实验室开放课题(SZU-GDPHPCL-2012-09)资助 |
| |
| 摘 要： | 在电信运营商领域,离网预测模型是企业决策者用来发现潜在离网用户(即停用运营商服务)的主要手段。目前离网预测模型都是基于逻辑回归、决策树、神经网络及随机森林等浅层机器学习算法,但是在大数据的背景下,这些浅层算法在预测问题上很难取得更高的精度。因此,提出了一种新型的深层结构模型——深度随机森林,通过将传统浅层随机森林堆积成深层结构模型,获得更高的预测精度。在运营商真实数据上进行了大量实验,结果证明深层随机森林模型比传统浅层机器学习算法在离网预测问题上可以得到更好的效果。同时,增大训练数据量可以进一步提升深层随机森林的预测能力,从而证明了在大数据环境下深层模型的潜力。
|
| 关 键 词： | 离网预测 深层随机森林 |
| 收稿时间： | 2015/3/27 0:00:00 |
| 修稿时间： | 2015/7/10 0:00:00 |
Deep Random Forest for Churn Prediction |
| |
| YANG Xiao-feng,YAN Jian-feng,LIU Xiao-sheng and YANG Lu.Deep Random Forest for Churn Prediction[J].Computer Science,2016,43(6):208-213. |
| |
| Authors: | YANG Xiao-feng YAN Jian-feng LIU Xiao-sheng and YANG Lu |
| |
| Affiliation: | College of Computer Science and Technology,Soochow University,Suzhou 215006,China,College of Computer Science and Technology,Soochow University,Suzhou 215006,China;School of Creative Media,City University of Hong Kong,Hong Kong 999077,China,College of Computer Science and Technology,Soochow University,Suzhou 215006,China and College of Computer Science and Technology,Soochow University,Suzhou 215006,China |
| |
| Abstract: | |
| |
| Keywords: | Churn prediction Deep random forest |
|
|
点击此处可从《计算机科学》下载全文 |
|
