大数据分析与挖掘 实训4 基于决策树的客户流失预测及应对.pptVIP

问题学习——知识点学习5-C4.5决策树生长算法 1.如果训练集属于同一个类别或满足预速减枝结束条件，则创立一个叶节点，结束 2.否则计算训练集中每个属性的信息增益率，选择增益率最大的属性为决策树属性，并以该决策属性创建节点 3.对上一步决策属性节点的每个取值添加一个分支 4.对于每个分支对应的训练集，转1 NO. outlook temperature humidity windy play 1 sunny 85 85 No No 2 sunny 80 90 Yes No 3 Overcast 83 78 No Yes 4 Rain 70 96 No Yes 5 Rain 68 80 No Yes 6 Rain 65 70 Yes No 7 Overcast 64 65 Yes Yes 8 Sunny 72 95 No No 9 Sunny 69 70 No Yes 10 Raiin 75 80 No Yes 11 Sunny 75 70 Yes Yes 12 Overcast 72 90 Yes Yes 13 Overcast 81 75 No Yes 14 rain 71 80 yes no 问题学习——知识点学习6-C4.5决策树生算法实例 记录了某网球俱乐部2周时间每天的天气信息以及顾客是否光顾俱乐部的信息 * * * * TPR表示预测为正的正确结果TP在所有正样本T中的占比，显然TPR越大，模型的预估能力越好。 FPR表示预测为正的错误结果FP在所有负样本F中的占比，显然FPR越大，模型的预估能力越差。 ?(TPR=0,FPR=0)：把每个实例都预测为负类的模型 ??(TPR=1,FPR=1)：把每个实例都预测为正类的模 ?(TPR=1,FPR=0)：理想模型 AUC的值介于0.5到1.0之间，较大的AUC代表了较好的performance。如果模型是完美的，那么它的AUG = 1，如果模型是个简单的随机猜测模型，那么它的AUG = 0.5，如果一个模型好于另一个，则它的曲线下方面积相对较大。 * * * ——基于决策树（C4.5）的电信客户流失预测及应对—— 开篇话题—— 讨论：如果有一个机会摆在你的面前，你还会选择你的中国移动或者中国联通吗？ 开篇话题—— 任务背景——电信企业现状 任务背景——电信企业现状 某电信企业运营中积累了海量客户历史交易信息及客户个人数据 如何利用好现有数据进行客户特征分析、掌握流失动因、建立预警机制、减少客户流失？ 问题提出——案例背景 问题提出——案例数据 电信客户流失数据体量：1000 instances，41 features 问题提出——数据理解 目标：建立客户流失预测模型、构建客户流失预警系统，制定客户挽留策略 问题提出——任务理解 问题分析——数据探索与挖掘 问题分析——数据探索与挖掘 1.客户流失在年龄段的分布情况 1.客户流失在工龄段的分布情况 问题分析——数据分析 3.客户流失在不同维度的分布情况 4.客户流失在工龄和收入两个维度上的分布情况 问题分析——数据分析 问题分析——数据探索与挖掘 四类流失客户在通话用时属性上的分布图 四类流失客户在通话用时属性上的箱线图 问题解决——结果解读 四类流失客户在收入日志属性上的箱线图 四类流失客户在收入日志属性上的分布图 问题解决——结果解读 流失预防 ·产品设计：满足细分客群 ·保存服务：存量保持套餐 ·细节管理：避免蝴蝶效应 ·常客方案：客户忠诚激励 问题解决—管理优化1-客户划分与流失预防 C4 C1 C3 C2 C2 C3 C1 C4 价值金字塔 数量倒金字塔 低价值客户 潜价值客户 次价值客户 高价值客户 问题解决—管理优化2-客户挽留 C4 C1 C3 C2 C2 C3 C1 C4 价值金字塔 数量倒金字塔 低价值客户 潜价值客户 次价值客户 价值客户 挽留策略 ·危机公关；降低负面影响 ·拉式营销：价格吸引-服务到家 ·广告策略：形象广告-创新告知 ·个案管理：实施正面蝴蝶效应 问题学习——知识点学习1-客户流失管理 问题学习——知识点学习2-数据挖掘 问题学习——知识点学习2-数据挖掘 问题学习——知识点学习2-特征分析 问题学习——知识点学习2-特征分析 特征选择度量 信息增益(ID3， C4.5) 选取时，偏向于多值属性 增益率(C4.5) 偏向不平衡划分 Gini指标( CART, SLIQ, SPRINT) 偏向于多值属性 类的数量很大时，计算较困难 叶结点 根结点 内部结点 恒温 否 冷血 是 特点 1.是一种以给定的数据样本为