Cross-company customer churn prediction in telecommunication: A comparison of data transformation methods

Cross-Company Churn Prediction (CCCP) is a domain of research where one company (target) is lacking enough data and can use data from another company (source) to predict customer churn successfully. To support CCCP, the cross-company data is usually transformed to a set of similar normal distribution of target company data prior to building a CCCP model. However, it is still unclear which data transformation method is most effective in CCCP. Also, the impact of data transformation methods on CCCP model performance using different classifiers have not been comprehensively explored in the telecommunication sector. In this study, we devised a model for CCCP using data transformation methods (i.e., log, z-score, rank and box-cox) and presented not only an extensive comparison to validate the impact of these transformation methods in CCCP, but also evaluated the performance of underlying baseline classifiers (i.e., Naive Bayes (NB), K-Nearest Neighbour (KNN), Gradient Boosted Tree (GBT), Single Rule Induction (SRI) and Deep learner Neural net (DP)) for customer churn prediction in telecommunication sector using the above mentioned data transformation methods. We performed experiments on publicly available datasets related to the telecommunication sector. The results demonstrated that most of the data transformation methods (e.g., log, rank, and box-cox) improve the performance of CCCP significantly. However, the Z-Score data transformation method could not achieve better results as compared to the rest of the data transformation methods in this study. Moreover, it is also investigated that the CCCP model based on NB outperform on transformed data and DP, KNN and GBT performed on the average, while SRI classifier did not show significant results in term of the commonly used evaluation measures (i.e., probability of detection, probability of false alarm, area under the curve and g-mean).     

GM(1,1)模型灰色预测法Visual Foxpro计算程序

本文详细介绍了在Visual Foxpro6．O中编制的MGl1．PRG计算程序及其运行方法。     

概率密度函数核估计的一致强相合性

讨论了在适当条件下，密度函数核估计的一致强相合性。     

中国科学计量指标数据库的设计与实现

简单介绍了中国科学计量指标数据库, 详细阐述了如何进行数据分析和系统设计, 以及指标数据库的功能实现。     

行为医学与武术运动健身功能的内在一致性

武术是一种特殊的民族文化形态,具有健身、技击、以及观赏的社会价值。行为医学作为医学的三大体系之一,所整合的内容非常广阔,是一门综合性知识极强的体系。武术的健身功能与行为医学有着内在一致性,从行为医学的角度探讨了武术运动的健身功能。     

数据挖掘在数字图书馆中的应用

在描述数据挖掘技术与方法基础之上，探讨了数据挖掘在数字图书馆中的应用空间以及其所具有的巨大应用价值。     

厚数据研究综述

文章通过回顾厚数据研究的理论起源和发展,利用WOS和CNKI检索相关文献,梳理国内外厚数据研究现状,剖析和解读研究中的前沿热点和问题,为后续研究提供支持和建议。当前国内外厚数据相关研究主要集中在厚数据定义研究、厚数据应用场景研究和厚数据分析方法研究等方面,未来应继续围绕基础研究问题进行深入探索和改进,并尝试在厚数据融合研究、厚数据方法研究和厚数据应用研究等方面不断进行拓展。     

一种基于双控节点的Ceph写性能优化方法

分布式存储系统Ceph由于采用多副本强一致性写入机制,造成集群写性能不理想。针对该问题,提出一种基于双控节点的Ceph写性能优化方法,首先利用双控双存储阵列节点,当一个控制器出现故障时,该节点中的另一个伙伴控制器创建新的OSD进程并快速接管故障控制器的存储阵列,从而保证数据存储的安全性和高可靠性,同时将写入机制优化为主副本OSD在本地写入日志盘后,就向客户端返回写完成,之后写入数据盘和其余从副本的完成情况则由主副本OSD继续收集并完成后续各类回调操作,从而降低非必要写操作对集群写性能的影响。最后对数据可用性和集群写性能进行实验测试,其中写性能测试分别从写延迟、吞吐量和IOPS等3个角度,对优化后的方法和Ceph原生写入机制在顺序写和随机写两方面进行比较,进一步验证优化方法在维护数据高可用的同时,对写性能提升的效果。     

数字图书馆服务登记系统数据模型设计

在现有服务多维度描述思想的指导下,以IESR数据模型为基础,设计了数字图书馆服务登记系统数据模型。它包括服务、业务、机构、资源和方法5个核心实体,使数字图书馆服务能够被有效地发布和发现。由DLSR数据模型向UDDI散据模型的映射,可以为DLSR的建设提供一种基于UDDI注册中心的直接的解决方案。     

科学划分书库管理责任区

对流通书库的书库管理工作进行岗位分析,利用自动化系统对工作人员所需承担的工作量进行相关的数据统计和分析,建立可操作性强的数学模型,确定各书库合理的人员编制,进一步科学合理地划分工作人员的责任区。