文章详情

摘要

随着信息技术的发展和市场竞争的加剧，客户流失已成为影响电信运营商盈利和市场份额的重要因素。为有效预防客户流失，文章提出一种基于卡方检验与集成学习的方法，旨在提高电信客户流失预测的准确性和可靠性。首先通过卡方检验筛选出对客户流失影响显著的特征，之后利用集成随机森林和XGBoost两种算法构建预测模型。实验表明文章的模型总体预测性能较高，可以为电信企业的客户管理和营销策略提供参考。

关键词

卡方检验；客户流失；预测模型；集成学习

参考文献

1. [1] 汪昱霖.基于集成学习的广电客户流失预测模型研究 [J].电视技术，2024，48（7）：59-66.
2. [2] 刘梅，郑立君，段永良，等.PCA+GWO集成特征选择和模型堆叠的客户流失预测 [J/OL].计算机工程与应用，2024：1-16（2024-08-26）[2024-09-09].http://kns.cnki.net/kcms/detail/11.2127.TP.20240823.1756.009.html.
3. [3] 曾佳玉.基于Stacking集成算法的电信客户流失预测模型 [D].哈尔滨：哈尔滨工业大学，2022.
4. [4] 房祥忠.卡方分布与卡方检验 [J].中国统计，2022（5）：29-31.
5. [5] 刘亚祥，梁涛，刘玉昌.基于随机森林的山东省农业碳排放影响因素研究 [J].农业与技术，2024，44（21）：90-93.
6. [6] BREIMAN L. Bagging Predictors [J].Machine Learning，1996，24（2）：123-140.
7. [7] CHEN T，GUESTRIN C. XGBoost: A Scalable Tree Boosting System [C]//KDD '16: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. Association for Computing Machinery：ACM，2016：785-794.
8. [8] 邢铭轩，赵锦艳.基于改进Boosting算法的车险理赔额组合模型预测 [J].科技与创新，2024（9）：1-6.
9. [9] 苏文星，张振一，郑琰莉，等.基于集成学习的冠心病风险预测模型研究 [J].智能计算机与应用，2022，12（7）：8-13，19.
10. [10] 迟国泰，王珊珊，王逸然.基于Stacking方法的上市公司违约风险预警研究 [J].系统工程理论与实践，2025，45（2）：481-502.
11. [11] ABDALLAH WAGIH IBRAHIM. Telco Customer Churn [EB/OL].[2024-10-19].https://www.kaggle.com/datasets/abdallahwagih/telco-customer-churn.
12. [12] 王圣节，张庆红.基于可解释机器学习模型的电信行业客户流失预测研究 [J].电信科学，2024，40（7）：121-133.

作者简介

张鹤于（2004—），女，汉族，河南商丘人，本科在读，研究方向：数据科学与大数据技术；余诗画（2004—），女，汉族，广东梅州人，本科在读，研究方向：数据科学与大数据技术；通信作者：王弯弯（1992—），女，汉族，河南郑州人，高级工程师，讲师，硕士，研究方向：数据挖掘、计算机视觉。