电信客户流失预测和生存分析

Question

我正在尝试创建电信客户流失预测和生存分析模型。 我应该使用哪些方法？ 随机森林是一个不错的选择吗？

Answer 1

在选择合适的模型之前，我的答案会有点笼统。

• 探索并了解您的数据（尝试查看哪些数据有用，哪些数据无效）
• 清理数据
• 统一数据格式
• 选择使用。
构建模型所需的数据

关于你的问题，我会通过构建不同的模型来解决这个问题，然后测试和验证它们。我会不断迭代模型并尝试改进，直到找到最佳模型，这可以预测数据集之外的内容，换句话说，一般模型不会过度拟合。

如果您的目标是找到可以预测的if-then规则，那么您可以使用更易于解释的模型，例如决策树或随机森林。如果您只想在不关心模型使用的规则的情况下进行预测，您可以使用更复杂的模型，例如神经网络，这些模型也可以解释但更难。

这完全取决于您的数据和目标。 在我的大学，我们被要求建立数据挖掘模型，以使用大型数据集预测客户流失。第一步是Data Profiling，它为数据集中的每个属性创建一个配置文件。数据简介包括：

1. 数字或分类属性和类似的内容（min，max，条目集，如果是分类属性）。
2. 字段空比率（每个属性中有多少行为空）。
3. 每个可能的行条目的统计数据，例如均值，标准差等。
4. 属性之间的功能依赖性

然后我们使用我们认为可以改进的不同参数和字段组合来建立模型，以便找到最佳模型。 项目目标是提取最佳预测流失的If-Then规则。因此，我们最终选择了决策树模型，该模型也具有可接受的准确度。

我希望我的回答有所帮助。