摘要：目前客户流失预测面临的主要问题之一就是类不平衡性（class imbalance）。针对这个问题,首先应用欠抽样法（undersampling）处理客户流失数据降低不平衡性,再应用C4.5D、C4.5N、RIPPER、NaiveBayes和Ran-domForest机器学习方法对客户流失进行预测。实验结果表明,欠抽样法是在牺牲负类样本预测精度的前提下,提高正类预测精度,于是采用重复抽样法（resampling）来弥补欠抽样法的缺陷,减少负类样本中含有大量有用信息的丢失,实验结果证明了这种方法的正确性和有效性。

原文链接:http://www.cqvip.com//QK/93231X/201012/36264196.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）