客户关系管理系统下客户流失预测分类器的设计和分析

摘要

不断增长的可用数据要求自动发现和挖掘其中有价值的信息并把它们转化成宝贵的知识。通过使用数据挖掘算法，感兴趣的模式和信息可以从大量数据中自动提取出来。预测分析在历史数据上构建预测模型并对未来的行为进行预测，是数据挖掘程中的关键步骤之一。在预测分析中，分类用来从数据中提取描述重要类别的信息。这一技术可以用在多种场合，比如预测一个公司里顾客的流失情况。
　　本论文分析并比较决策树、朴素贝叶斯和神经网络算法，以找到最适合瑞典Lundalogik AB公司客户关系管理系统流失情况的预测模型。该工作的有效性根据瑞典Lundalogik AB公司按照CRISP-DM收集多年的用户数据上进行验证。为此构建了一个数据集，用于训练三种分类器算法。算法的效果使用准确率（accuracy）、敏感度（sensitivity）、特异性（specificity）、精度（precision）和f测量（f-measure）等指标来评价。在本项研究中，算法使用两种不同的配置，借此分析算法配置对每个分类器性能的影响。
　　结果表明，分类器性能很大程度上依赖于特征选择。本论文也表明，算法性能跟具体的测试数据密切相关。本项工作的结论指出，针对Lundalogik的数据集，决策树算法优于朴素贝叶斯和神经网络算法。