[发明专利]一种用于电信潜在换机用户发现的数据挖掘方法

权利要求书

1.用于电信潜在换机用户发现的数据挖掘方法，其特征是包括如下步骤：

1)数据集构造阶段：

a收集用户的消费信息、用户历史换机信息、用户信息、终端信息；

b数据预处理，同时产生数据集；

c处理类别不均衡的数据集，形成最终的训练集和预测集；

d结束；

2)挖掘阶段：

a获取步骤1)-c中处理生成的数据集；

b实施数据挖掘算法发现潜在换机用户；

c保存结果；

d结束；

步骤1)-a中所说的收集数据为收集电信客户的消费信息相关数据；

步骤1)-b中所说的数据预处理具体过程如下：

1)选择用户状态表中状态正常的用户作为我们的预测用户，每个用户都有一个唯一的user_id；

2)以时间点为分割，规划出每个用户在该时间点之前的消费信息、换机信息，并通过user_id关联起来，以当前月为时间分割点的是预测数据集，以前的其他月为时间分割点的是训练数据集；

3)求出每个属性的信息增益率，选择信息增益率大的属性，摒弃信息增益率小的属性

E(S)=Σi=1n-pilog2pi]]>

其中S表示数据集，n表示数据集的类标中值的个数，p_i表示第i个值出现的概率，E(S)表示数据集S的熵

E(S,A)=Σi=1nSiSE(S)]]>

属性A有n个取值C₁,C₂...C_n，将数据集S分为n个不相交的子集S₁,S₂...S_n，|S|为数据集的实例数，|S_i|为数据集的第i个子集的实例数，E(S,A)表示数据集S由属性A分裂后的熵计算公式

InfoGain(S,A)＝E(S)-E(S,A)

InfoGain(S，A)表示属性A的信息增益；

GainRatio(S,A)=InfoGain(S,A)/(-Σi=1nSiSlogSiS)]]>

GainRatio(S,A)表示属性A的信息增益率；

4)过滤掉消费属性值为空的数据；

5)过滤掉用机时间属性值小于15天的数据；

6)过滤掉历史用机个数属性值超于50个的数据；

7)过滤掉手机imei重复的数据；

8)为训练数据集的每一条记录添加类标；

9)结束；

步骤1)-c具体过程如下：

1)基于KNN算法对训练数据集中的边界数据进行过滤；

2)对训练数据集中大类数据进行聚类；

3)对聚类后的大类数据进行分层抽样；

4)结合小类数据组合成最终的训练集；

5)结束；

步骤2)-b中数据挖掘决策树算法的一次构建过程具体如下：

1)创建一个根节点N；

2)若训练数据集集为空，则标记节点N为空，并将其返回；

3)若训练数据集属于同一个类标C，则将节点N标记为C，并将其作为叶子节点返回；

4)若属性集合A为空，则将节点N标记为训练集中最多的那个类标M，并将其作为叶子节点返回；

5)对属性集合A中的每个属性进行离散型判断；

6)将连续型属性离散化处理；

7)选择属性集合A中信息增益最高的属性a；

8)根据属性a的取值a＝d_i对结点N进行分支划分，确定每个分支的子数据集；

9)建立a＝d_i的分支，并且节点N按该分支建立子结点N_i；

10)以N_i为根节点，属性a以外的属性为属性集，递归构建决策树。