[发明专利]一种访客流失预测方法及系统

权利要求书

1.一种访客流失预测方法，其特征在于，包括以下步骤：

a.确定目标特征和输入特征，其中，所述输入特征为访客行为数据，所述目标特征为访客流失概率；

b.按照预设比例对所述访客行为数据划分数据集，所述数据集包括测试集和训练集；

c.对所述训练集采用交叉验证方法计算lasso算法中的惩罚参数λ；

d.根据所述惩罚参数λ利用所述训练集训练lasso-logit模型；

e.利用所述测试集对所述lasso-logit模型进行评估；

f.根据评估结果输出预测模型，将访客行为数据输入所述预测模型，并输出预测得到的访客流失概率。

2.根据权利要求1所述的一种访客流失预测方法，其特征在于：所述的步骤a中，所述访客行为数据包括以下任一种或者两种以上的组合：访问行为数据、购票行为数据、乘机行为数据。

3.根据权利要求1所述的一种访客流失预测方法，其特征在于：所述的步骤a中，所述访客行为数据包括以下任一种或者两种以上的组合：最后一次访问时间距观测窗口结束时间天数、最后一次购票时间距观测窗口结束时间天数、观测窗口内访问次数、观测窗口内成功购票次数、观测窗口会话总时长、观测窗口内消费金额、机票查询访问次数、航班选择访问次数、旅客信息访问次数、机票查询总停留时间、航班选择总停留时间、旅客信息总停留、时间付费搜索次数、非付费搜索次数、非会员手机登陆次数、会员登陆次数、会员日访问次数、PC端访问次数、移动端访问次数、访问间隔时间、支付订单访问次数。

4.根据权利要求1所述的一种访客流失预测方法，其特征在于：所述的步骤b中，所述数据集划分的预设比例为：训练集>测试集。

5.根据权利要求4所述的一种访客流失预测方法，其特征在于：所述数据集划分的预设比例为：训练集:测试集＝4:1；或者，训练集:测试集＝3:1。

6.根据权利要求1所述的一种访客流失预测方法，其特征在于：所述的步骤c中，对所述训练集采用交叉验证方法计算lasso算法中的惩罚参数λ，是指将所述训练集分成k份，遍历所述惩罚参数λ的取值范围，将其中k-1份组成的数据重新用于训练所述lasso-logit模型，剩余1份用于评估在此λ值下的所述lasso-logit模型的预测效果，得到所述lasso-logit模型的预测效果最好时的λ值；所述的步骤d中，根据该λ值进行训练所述lasso-logit模型。

7.根据权利要求1至6任一项所述的一种访客流失预测方法，其特征在于：所述的步骤b中，划分数据集之前，先对所述访客行为数据进行预处理，所述预处理包括：

b1.对所述访客行为数据进行数据筛查，剔除异常数据；所述异常数据包括数据异常和/或逻辑异常的数据；

b2.对所述访客行为数据中出现的缺失数据进行插补；

b3.对所述访客行为数据进行标准化处理，得到标准化后的访客行为数据。

8.根据权利要求1至6任一项所述的一种访客流失预测方法，其特征在于：所述的步骤b中，划分数据集之后，进一步对所述训练集进行平衡数据处理：如果所述训练集不平衡，则对所述训练集的数据进行欠抽样，从多数类样本中抽取少数类样本等量的样本数，并与少数类样本进行合成，得到平衡的训练集。

9.一种访客流失预测系统，其特征在于，包括：

特征确定模块，用于确定目标特征和输入特征，其中，所述输入特征为访客行为数据，所述目标特征为访客流失概率；

数据处理模块，其按照预设比例对所述访客行为数据划分数据集，所述数据集包括测试集和训练集；

参数优化模块，用于对所述训练集采用交叉验证方法计算lasso算法中的惩罚参数λ；

模型训练模块，其根据所述惩罚参数λ利用所述训练集训练lasso-logit模型；

模型评估模块，利用所述测试集对所述lasso-logit模型进行评估；

预测模块，其根据评估结果输出预测模型，将访客行为数据输入所述预测模型，并输出预测得到的访客流失概率。