基于组合预测模型的数据挖掘技术研究与探索

针对数据挖掘过程中单一模型算法命中率低、偏差大等问题,将决策数、遗传算法、人工神经元三种单一算法融合在一起,设计出一种基于Lagrange函数的多算法组合预测模型。同时,将所建组合模型应用于电信行业客户关系管理中,将客户信息、消费行为等历史数据作为预测指标,对客户行为及未来趋势进行预测。预测结果表明,与单一算法预测模型相比,组合预测模型命中准确率高,预测效果好,能更直观地显示出流失客户的基本特征,从而帮助电信运营商提前发现具有离网倾向的用户群体,为管理层的决策提供数据支持。     

基于决策树的电信业客户流失分析

随着电信市场竞争加剧,如何降低客户流失率正成为国内各大运营商关注的问题.本文基于SPSS Clementine数据挖掘平台,详细描述了数据挖掘的各个过程,对商业理解、数据准备、建立模型等主要步骤进行了分析,采用C4.5决策树算法建立了客户流失预测模型.模型给出了客户的流失规则,并可预测在网客户在一定时间内流失的可能性,为市场人员制定挽留措施提供了决策依据.     

一种代价敏感学习方法在电信业流失预测中的应用

根据已有的流失预测方法,提出新的流失预测方法解决数据挖掘中的非对称错分代价问题.该方法以传统C4.5决策树算法为基准分类器,融合代价调整方法实现代价敏感学习.相比之下,C4.5决策树算法仅是基于样本错分代价相同假定,建立了一种错分率最低而非总错分代价最低的预测模型.基于某电信企业的客户数据,及流失客户和非流失客户代价非对称的实际,实证研究结果表明,CS-C4.5通过调整流失类和非流失类样本的比例,大大降低了传统分类算法的样本错分总代价.该方法对于提高电信企业的核心竞争力具有重要的现实意义.     

基于数据挖掘的电信业客户流失

针对电信行业日益突出的客户流失问题,采用了多种理论相互融合的思想,将神经网络和决策树技术相结合,构建客户流失分析模型.最后通过实际数据对模型进行了应用评估,结果表明这种基于神经网络和决策树技术的预测模型能够对客户流失情况做出准确的预测,达到了商业使用的要求.     

基于机器学习的银行客户流失分析

为了准确预测可能在今后两年内与某银行终止业务关系的客户,基于机器学习构建了客户流失分析预测模型,该模型在预测客户流失方面与传统逻辑回归模型相比具有显著优势。通过深度神经网络对银行客户流失进行预测,并使用准确率、召回率、精度和F-Measure等指标对预测结果进行全面评估。对于被预测为即将流失的客户,银行可以采取针对性的支持措施,解决客户不满意之处和遇到的问题进而留住客户。这一预测模型不仅有助于银行提前识别潜在的流失风险,还为银行提供了挽留客户的重要机会,有助于建立长期客户关系。     

数据挖掘在电信客户流失中的应用

将数据挖掘技术应用到防止电信客户流失中,以某电信运营商的历史资料为对象,建立客户流失预测模型。并对高价值高流失概率的客户进行K-means聚类分析,同时对不同流失客户群提供相应的营销策略。     

安徽省城镇居民人均收入的组合预测

以1995～2009年安徽省城镇居民家庭人均可支配收入的数据,分别建立时间序列模型、回归模型和灰色预测模型.然后在三个单一预测模型的基础上综合各个预测模型的优缺点,通过使组合预测误差平方和最小确定各单一预测方法的权重系数,得到最优组合预测模型.最后对几种预测方法进行了评价,得出组合预测效果比较精确.     

基于IOWA算子的税收收入的组合预测

针对1981~2012年我国税收收入的相关数据,采用回归模型、指数平滑预测和ARIMA模型三种单项预测方法进行建模预测.并结合组合预测理论,采用基于IOWA算子的组合预测模型进行预测.结果表明,基于诱导有序加权算术平均算子的组合预测模型的预测精度明显高于三种单项预测方法,说明了该方法用于税收收入预测的可行性和有效性,并采用5种有效性评价指标,检验了组合预测模型的预测效果.既然该方法可以通过调整组合权重提高预测精度,因此,在此基础上对今后3年的税收收入作出预测,发现今后3年税收仍会分别以15.59%、16.89%和16.77%的增长率增长.     

基于神经网络与支持向量机的组合预测模型——以房地产价格预测为例

预测问题一直是科学与管理领域研究的热点,备受广大科技工作者的关注。为了解决单一预测模型在预测问题上的缺点和误差控制问题,本文提出一种组合预测模型———以误差绝对值和达到最小为准则的线性组合预测模型。这种模型以误差绝对值和达到最小为依据,计算出每个单一模型在预测结果中所占的权重,建立组合预测模型。该组合预测模型较好的利用了神经网络与支持向量机在多影响因子下训练的优势,进一步提高预测精度。将其应用于合肥市房地产价格预测,可以达到理想效果。     

基于IOWGA算子的江苏人均GDP的组合预测模型

选取1990—2009年江苏省人均GDP为样本数据,2010—2014年江苏省人均GDP作为验证数据,分别建立了ARIMA模型、指数平滑模型和多元回归模型对未来3年的江苏省人均GDP进行预测,然后在前3种单向预测方法基础上建立基于诱导有序加权几何平均(IOWGA)算子组合预测模型,再对此模型进行相应的效率评价.最后用组合预测模型对未来3年江苏省人均GDP进行预测.结果表明:相比于上述3种单项预测方法,基于IOWGA算子的组合预测模型的预测精度更高.预测结果表明2015—2017这3年,江苏人均GDP会继续增长,人民生活水平将继续提高.     

基于最优组合模型预测锚杆极限抗拔承载力的方法（英文）

针对改进指-幂混合模型和不等间距灰色GM(1,1)模型对锚杆极限抗拔承载力预测精度较差的问题,基于最优加权组合建模理论,以组合模型的最小对数误差平方和为目标函数求解最优加权系数,推导出最优加权几何平均组合预测模型,以提高锚杆极限抗拔承载力预测精度的置信度.选取2个典型锚杆拉拔工程实例(锚杆P-s曲线分别为缓变型和陡变型)用以验证各预测模型的精度和可靠度.计算结果表明:该组合预测模型不仅适合缓变型曲线,而且也适合陡变型曲线,其精度和可靠性均优于其他预测模型,预测精度等级划分为优秀,可作为锚杆抗拔承载力实测资料的一种有效分析模型.     

基于C5.0算法的电信用户流失预警分析

稳定客户是电信企业提高竞争力的关键,将数据挖掘技术应用于电信企业的客户保有,采用基于客户行为的客户细分方法,运用信息熵增益的决策树算法,实现客户的细分.构建客户流失预警分析模型,为企业提供准确、可靠的决策指导,找出流失客户,帮助电信公司有针对性地改善客户关系,避免客户流失.     

一类加权几何平均组合预测模型及其应用

加权几何平均组合预测模型是一种常用的非线性组合预测方法.利用Theil系数建立了一类加权几何平均组合预测模型,给出了该组合预测模型的性质;讨论了加权几何平均组合预测模型非劣性组合预测模型、优性组合预测以及冗余预测方法的存在性;给出了冗余预测方法的判定.通过运用实例分析说明了基于Theil系数的加权几何平均组合的预测模型的有效性.     

组合预测模型在短期风电功率预测中的应用研究

为增强风功率预测的准确性,采用基于时间序列模型和支持向量机模型,并且利用最小方差法获得权重系数,构建组合预测模型对风功率进行预测. 仿真结果表明,该组合模型较单项预测模型具有更高的预测精度.     

保险业客户流失预测模型的建立与实现

通过分析选择决策树作为保险业客户流失预测模型实现的手段,给出了决策树实现流失预测的算法设计,通过流程图及相应数据结构的说明,介绍了算法实现要点,最后的实验结果表明所建立的预测模型具有良好的准确率。     

基于L_1范数IOWGA算子的大学生就业信心指数组合预测模型

大学生就业信心指数的预测可以在一定程度上了解大学生就业信心的变化趋势.因此,文章建立了基于L1范数的诱导有序加权几何平均(IOWGA)算子的组合预测模型及预测有效度评价指标体系,以山东省德州市某高校2000—2012年大学生就业信心指数数据,对大学生就业信心指数中的全局信心指数进行分析预测,并与采用GM(1,N)预测模型、单指数平滑预测模型和ARMAX预测模型分析结果从预测精度、预测模型有效性上进行比较.结果表明:基于L1范数的IOWGA算子组合预测模型比其他三种单项预测方法预测方法精度更高且为优性组合预测,本模型对大学生就业信心指数预测是可行的,可以用于对大学生就业信心的定量研究.     

基于L1范数IOWGA算子的大学生就业信心指数组合预测模型

大学生就业信心指数的预测可以在一定程度上了解大学生就业信心的变化趋势.因此,文章建立了基于L1范数的诱导有序加权几何平均（IOWGA）算子的组合预测模型及预测有效度评价指标体系,以山东省德州市某高校2000—2012年大学生就业信心指数数据,对大学生就业信心指数中的全局信心指数进行分析预测,并与采用GM（1,N）预测模型、单指数平滑预测模型和ARMAX预测模型分析结果从预测精度、预测模型有效性上进行比较.结果表明：基于L1范数的IOWGA算子组合预测模型比其他三种单项预测方法预测方法精度更高且为优性组合预测,本模型对大学生就业信心指数预测是可行的,可以用于对大学生就业信心的定量研究.     

基于IGOWLA算子的中国粮食生产价格预测研究

为探究我国粮食价格波动规律及预测其值,选取2005-2016年中国各季度粮食生产价格数据,首先对其波动性进行描述分析;其次建立一种基于IGOWLA算子的组合预测模型:选择ARMA模型、Holt-Winters乘法模型、残差自回归模型这三种单项预测模型,并通过5种误差评价指标来判断预测模型的效果,结果表明组合预测模型的预测效果较好、准确性较高;接着利用所建立的组合预测模型对2017年各季度粮价进行外推预测,结果表明2017年粮食价格有所上升但相对波动较稳;最后提出政策建议。     

基于灰色神经网络组合模型的电力消费量预测——以河北省为例

在分析灰色预测模型GM(1,1)以及BP神经网络预测模型2种单一模型在电力消费量预测方面不足的基础上,提出灰色神经网络组合预测模型。以河北省电力消费量为基础,分别用3种模型进行预测,并加以比较分析。结果表明,灰色神经网络组合模型提高了关于河北省中长期电力消费量的预测精度,对河北省未来电力系统及能源需求规划具有一定参考价值。     

基于IOWA算子的证券市场组合预测模型的实证研究

本文首先对我国上证指数建立灰色预测、随机游走、多元回归模型,然后建立诱导有序加权算术平均(IOWA)组合预测模型.结果表明,组合预测模型的预测精度明显优于参与组合预测的各单项预测模型.利用IOWA组合预测得到的权重,预测我国2012年11月到2013年10月的上证指数走势.结果表明,未来12个月我国上证指数的收盘价先有上升趋势,后有下降的趋势,具有一定的波动性.