基于集成学习的电信套餐匹配问题研究
发布时间：2021-07-02 19:06
电信运营商间日益激烈的竞争,使得各大运营商纷纷调整吸引新客户、留住老客户的策略。套餐可以说是运营商为客户提供的一种“服务”。为用户选择适用且价格能接受的套餐显得尤为重要,因为这可以在一定程度上提升客户满意度,进而提高客户忠诚度。庞大的客户量将是运营商从激烈竞争中脱颖而出的杀手锏。运营商仿佛早已看穿这一切,于是市面上出现了种类繁多的套餐,这大大增加了客户自主选择套餐的难度。因此运营商为客户选择合适套餐势在必行。本文选取中国联通研究院公开的用户历史数据集,进行套餐匹配的研究。数据集中共包含11种套餐,属于典型的多分类问题,且类别之间存在不平衡现象。文章基于集成学习的角度进行研究。通过建立匹配模型,为现有客户选择最合适的套餐。首先详细介绍了研究所用算法的理论及相应优缺点,之后利用Python对数据集进行清洗及描述性分析,对缺失值采用了三种填补方法:平均值插补、众数插补及KNN插补。并对用户消费数据变量进行k-means聚类。分析各类用户行为,将用户划分为“普通用户”、“VIP用户”及“超级VIP”用户,运营商可根据其用户等级为他们现有套餐进行升级或匹配到更合适的套餐。关于特征构建与特征选择:...
【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
精确化套餐设计的一般流程
２．２．１集成学习概述??集成学习通过某种结合策略将多个基学习器的结果结合起来以完成学习过程。??具体流程如图２．１所示。根据基学习器的类型可分为“同质集成”和“异质集成”。??例如基学习器全为逻辑回归时则为同质集成，既有逻辑回归又有支持向量机则为异??质集成。根据集成思想的架构可将集成学习分为：Ｂｏｏｓｔｉｎｇ、Ｂａｇｇｉｎｇ和Ｓｔａｃｋｉｎｇ，??基学习器１?．??图２．１集成学习示意图??（１）?Ｂｏｏｓｔｉｎｇ：假设有一个大小为／ｗ的训练集，首先根据样本分布，初始化样??本权重，并由此训练出一个基学习器然后根据７；对样本的分类结果，调整样本??权重，调整思想为：错分样本增大权重，反之则减少权重。如此训练，直到达到要??求的基学习器个数ｒ。最后通过某种结合策略，使ｒ个弱分类器结合成强分类器。??Ｂｏｏｓｔｉｎｇ是一种框架算法，对于单个的基学习器其学习效果不－定能达到较Ｗ??水平
硕士学位论文??ＭＡＳＴＩ－Ｒ＇Ｓ?ＴＩＩｌ－ＳＩＳ??叫?Ｄ、’｜??Ｇｉｎｉ＿ｉｎｄｅｘ（Ｄ，ａ）?＝?＾－：￣ＸＪｉｎｉ（Ｄ＇）??ｖ＝丨丨剑??随机森林算法（Ｒａｎｄｏｍ?Ｆｏｒｅｓｔｓ）是一种基于统计学习理论的组合分类器，它ｔｒａｐ重抽样方法和决策树算法相结合，该算法的本质是构建一个树型分类，的集合，然后使用该集合通过投票进行分类和预测Ｍ?，算法的程和显著的优缺点分别以图和表的形式列出：??ｔｒａｉｎ?１??？树?１??
【参考文献】：
期刊论文
[1]电信套餐资费配置研究[J]. 陈娜,李磊,温森茂. 电信科学. 2018(07)
[2]运营商初尝大数据红利 提升网络精细化经营[J]. 王熙. 通信世界. 2014(24)
[3]AdaBoost算法研究进展与展望[J]. 曹莹,苗启广,刘家辰,高琳. 自动化学报. 2013(06)
[4]集成学习方法在企业财务危机预警中的应用[J]. 梁明江,庄宇. 软科学. 2012(04)
[5]基于顾客终身价值的电信套餐设计框架模型[J]. 张铁军,蔡莉青,雒兴刚,唐加福. 系统工程. 2012(02)
[6]个人信用评估应用方法分析——基于集成学习算法视角[J]. 唐小果,李毓. 经济问题. 2011(12)
[7]基于数据挖掘的电信行业精确化套餐设计方法研究[J]. 潘宇曦,叶宇航,贺仁龙. 情报杂志. 2011(S1)
[8]电信套餐资费策略演进分析[J]. 洪源源,关颖. 信息通信技术. 2010(06)
[9]神经网络和集成学习在地质灾害危险度区划中的应用研究[J]. 赵向辉,付忠良,谢会云,刘栋,姚宇. 四川大学学报(工程科学版). 2010(S1)
[10]集成学习在网络入侵检测中的实验研究[J]. 赵月爱,陈俊杰,穆晓芳. 计算机工程. 2009(23)
博士论文
[1]随机森林算法优化研究[D]. 曹正凤.首都经济贸易大学 2014
硕士论文
[1]基于通话记录的社会关系网络挖掘[D]. 敖文井.华南理工大学 2013
本文编号：3261049
【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
精确化套餐设计的一般流程
２．２．１集成学习概述??集成学习通过某种结合策略将多个基学习器的结果结合起来以完成学习过程。??具体流程如图２．１所示。根据基学习器的类型可分为“同质集成”和“异质集成”。??例如基学习器全为逻辑回归时则为同质集成，既有逻辑回归又有支持向量机则为异??质集成。根据集成思想的架构可将集成学习分为：Ｂｏｏｓｔｉｎｇ、Ｂａｇｇｉｎｇ和Ｓｔａｃｋｉｎｇ，??基学习器１?．??图２．１集成学习示意图??（１）?Ｂｏｏｓｔｉｎｇ：假设有一个大小为／ｗ的训练集，首先根据样本分布，初始化样??本权重，并由此训练出一个基学习器然后根据７；对样本的分类结果，调整样本??权重，调整思想为：错分样本增大权重，反之则减少权重。如此训练，直到达到要??求的基学习器个数ｒ。最后通过某种结合策略，使ｒ个弱分类器结合成强分类器。??Ｂｏｏｓｔｉｎｇ是一种框架算法，对于单个的基学习器其学习效果不－定能达到较Ｗ??水平
硕士学位论文??ＭＡＳＴＩ－Ｒ＇Ｓ?ＴＩＩｌ－ＳＩＳ??叫?Ｄ、’｜??Ｇｉｎｉ＿ｉｎｄｅｘ（Ｄ，ａ）?＝?＾－：￣ＸＪｉｎｉ（Ｄ＇）??ｖ＝丨丨剑??随机森林算法（Ｒａｎｄｏｍ?Ｆｏｒｅｓｔｓ）是一种基于统计学习理论的组合分类器，它ｔｒａｐ重抽样方法和决策树算法相结合，该算法的本质是构建一个树型分类，的集合，然后使用该集合通过投票进行分类和预测Ｍ?，算法的程和显著的优缺点分别以图和表的形式列出：??ｔｒａｉｎ?１??？树?１??
【参考文献】：
期刊论文
[1]电信套餐资费配置研究[J]. 陈娜,李磊,温森茂. 电信科学. 2018(07)
[2]运营商初尝大数据红利 提升网络精细化经营[J]. 王熙. 通信世界. 2014(24)
[3]AdaBoost算法研究进展与展望[J]. 曹莹,苗启广,刘家辰,高琳. 自动化学报. 2013(06)
[4]集成学习方法在企业财务危机预警中的应用[J]. 梁明江,庄宇. 软科学. 2012(04)
[5]基于顾客终身价值的电信套餐设计框架模型[J]. 张铁军,蔡莉青,雒兴刚,唐加福. 系统工程. 2012(02)
[6]个人信用评估应用方法分析——基于集成学习算法视角[J]. 唐小果,李毓. 经济问题. 2011(12)
[7]基于数据挖掘的电信行业精确化套餐设计方法研究[J]. 潘宇曦,叶宇航,贺仁龙. 情报杂志. 2011(S1)
[8]电信套餐资费策略演进分析[J]. 洪源源,关颖. 信息通信技术. 2010(06)
[9]神经网络和集成学习在地质灾害危险度区划中的应用研究[J]. 赵向辉,付忠良,谢会云,刘栋,姚宇. 四川大学学报(工程科学版). 2010(S1)
[10]集成学习在网络入侵检测中的实验研究[J]. 赵月爱,陈俊杰,穆晓芳. 计算机工程. 2009(23)
博士论文
[1]随机森林算法优化研究[D]. 曹正凤.首都经济贸易大学 2014
硕士论文
[1]基于通话记录的社会关系网络挖掘[D]. 敖文井.华南理工大学 2013
本文编号：3261049
本文链接：https://www.wllwen.com/guanlilunwen/sjfx/3261049.html
