用户行为预测
小组成员
- 赵颖 2620160012
- 王晓媛 2620160007
- 李昱燃 2620160009
问题描述
1、问题背景分析
电信行业每天都产生着大量的用户行为数据信息，这些看似零散的数据，其实隐藏着巨大的商业逻辑，只要企业能够有效地运用它。用户行为预测，就是企业通过收集大量的有关客户消费习惯、社会属性、操作行为等信息的数据，建立适当的模型，预测客户在某些维度的行为，例如忠诚度、购买欲、增值性，这对于企业提高客户服务水平，增强企业市场竞争力有着极为重要的作用。
2、问题描述：
- 选择数据集。本项目数据集来自2009年KDD Cup竞赛所提供的法国Orange电信公司的客户特征描述数据，共1000个样本，230个特征变量。
- 数据预处理。对数据进行初步筛选，根据缺失值的多少、选取较为完整的若干个特征值。
- 构造分类模型。用随机森林、与AdaBoost结合的决策树、梯度提升决策树三种算法，由训练数据生成对应的分类器，用测试集分别对客户的忠诚度、消费欲和增值服务倾向性做出二元判别，并计算各分类器的准确率。
- 调参并分析最优结果。调整参数，比较准确率，分析三种分类器的分类效果，得到最优解。
目标
经过以上工作对用户行为的三个维度做出二元判别，并比较分析随机森林、与AdaBoost结合的决策树、梯度提升决策树三种模型的分类效果，从而能为企业的管理提供决策支持。
项目分工
- 王晓媛： 分解剖析问题，阅读文献，选择算法
- 李昱燃：数据预处理，对特征值进行筛选和过滤
- 赵颖：具体代码的实现，训练数据，生成分类器并调参选取最优解