申请/专利权人:亿企赢网络科技有限公司
申请日:2024-01-05
公开(公告)日:2024-04-02
公开(公告)号:CN117808521A
主分类号:G06Q30/0202
分类号:G06Q30/0202;G06F18/2415;G06F18/214;G06F18/27;G06F123/02
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本申请提供一种客户流失率的预测方法,包括:获取不同时间段的用户的特征数据;将用户随机分为若干用户组;确定特征数据集中的训练集、验证集和测试集,训练一阶段的Catboost模型;获取一阶段的Catboost模型的超级参数,筛选出最佳特征集;将近期特征数据输入至一阶段的Catboost模型,得到未来流失概率均值的预测值;训练得到二阶段的Catboost模型,以预测财税产品的客户流失率。本申请通过在不同时间点对同一目标样本进行交叉采样后训练模型,确保在任意时间预测的可行性,增强模型对近期样本的学习效果。本申请还提供一种客户流失率的预测系统、存储介质和电子设备,具有上述有益效果。
主权项:1.一种客户流失率的预测方法,其特征在于,包括:获取距离财税产品到期前不同时间段的用户的特征数据;以设定时间点为基准,将所述用户随机分为若干用户组;每个所述用户组的特征数据构建一个对应的特征数据集;确定所述特征数据集中的训练集、验证集和测试集,训练一阶段的Catboost模型;利用贝叶斯优化方法获取所述一阶段的Catboost模型的超级参数,筛选出最佳特征集;其中,所述超级参数为影响所述一阶段的Catboost模型的可变参数;将所述财税产品的近期特征数据输入至所述一阶段的Catboost模型,利用时间序列预测模型根据历史流失概率均值数据进行训练,得到未来流失概率均值的预测值;根据所述超级参数、所述最佳特征集和所述未来流失概率均值的预测值,训练得到二阶段的Catboost模型;利用所述二阶段的Catboost模型预测所述财税产品的客户流失率。
全文数据:
权利要求:
百度查询: 亿企赢网络科技有限公司 客户流失率的预测方法、系统、存储介质和电子设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。