一种基于集成学习的铁路货运客户流失预测方法

摘要

本发明公开了一种基于集成学习的铁路货运客户流失预测方法，采用多个基学习器组成第一层机器学习模型，使用K折交叉验证方法基于训练集生成训练好的基学习器，并将测试集输入训练好的基学习器，分别得到各个训练好的基学习器对测试集的预测结果；使用逻辑回归作为元学习器建立第二层机器学习模型，将各个训练好的基学习器对测试集的预测结果作为元学习器的特征值，由此形成Stacking融合模型对目标特征进行预测并输出预测结果，得到待测客户的流失概率。与现有技术相比，本发明的积极效果是：所构建的集成学习模型具有较强的泛化能力，能显著提升运行效率和输出结果的准确率，实现灵活、高精度的铁路货运客户流失预测。