基于差異度的不均衡電信客戶數(shù)據(jù)分類方法

　　針對傳統(tǒng)分類技術(shù)對不均衡電信客戶數(shù)據(jù)集中流失客戶識別能力不足的問題，提出一種基于差異度的改進(jìn)型不均衡數(shù)據(jù)分類（IDBC）算法。該算法在基于差異度分類（DBC）算法的基礎(chǔ)上改進(jìn)了原型選擇策略。在原型選擇階段，利用改進(jìn)型的樣本子集優(yōu)化方法從整體數(shù)據(jù)集中選擇最具參考價(jià)值的原型集，從而避免了隨機(jī)選擇所帶來的不確定性；在分類階段，分別利用訓(xùn)練集和原型集、測試集和原型集樣本之間的差異性構(gòu)建相應(yīng)的特征空間，進(jìn)而采用傳統(tǒng)的分類預(yù)測算法對映射到相應(yīng)特征空間內(nèi)的差異度數(shù)據(jù)集進(jìn)行學(xué)習(xí)。最后選用了UCI數(shù)據(jù)庫中的電信客戶數(shù)據(jù)集和另外6個(gè)普通的不均衡數(shù)據(jù)集對該算法進(jìn)行驗(yàn)證，相對于傳統(tǒng)基于特征的不均衡數(shù)據(jù)分類算法，DBC算法對稀有類的識別率平均提高了8. 3%，IDBC算法對稀有類的識別率平均提高了11. 3%。實(shí)驗(yàn)結(jié)果表明，所提IDBC算法不受類別分布的影響，而且對不均衡數(shù)據(jù)集中稀有類的識別能力優(yōu)于已有的先進(jìn)分類技術(shù)。

?