改进的迁移学习框架下的首购用户精细化流失预判方法

摘要

本发明公开了一种改进的迁移学习框架下的首购用户精细化流失预判方法。该方法采用分类模型通过改进的TrAdaboost算法框架的样本权重调整策略，有效强化有价值的样本、弱化无效样本，得到更精准的流失预判模型；该方法对流失预判的准确率更高。该方法结合模型训练中获得的记录权重，采用结合权重的可理解的决策树进行模型训练，再次将流失用户梳理成群，更进一步提取出优质客户中具备带动力的种子用户，通过流失用户矩阵划分出大致的营销策略；再结合规则内容进一步确定营销手段和线索优化路径；结合人工在可执行、可达、成本可接受等视角筛选之后，提取需要定期反复运行的策略及规则，固化在系统中，实现自动化营销。