基于改进聚类的电信客户流失预测分析

为了准确预测瓦斯涌出量,提出了一种基于模糊聚类和支持向量机(SVM)的瓦斯涌出量预测方法。将瓦斯涌出量相关影响因素作为特征空间中的样本,采用模糊C均值聚类对特征空间中的样本进行聚类分析,对于所得到的不

客户流失危机分析的决策树方法很不错，推荐

论文研究-基于GMDH的“一步式”客户流失预测集成建模.pdf,  在客户流失预测问题中, 客户数据的特征往往会影响模型的预测效果.分析了常用的“两步式”客户流失 预测方法的不足,提出了基于数据分组处

Churn-Prediction-of-Bank-Customers:预测银行客户流失

该项目使用Orange Telecom历史数据建立客户流失预测模型。项目需要分析数据集，识别关键特征，并训练具有高准确率的模型，以预测哪些客户可能流失。

传统模糊C均值聚类算法需要输入初始聚类中心,但是输入错误的初始聚类中心会产生较差的图像分割结果。对此提出一种改进的医学图像分割算法——基于免疫模糊聚类的医学图像分割。该算法能够快速有效地找出合适的初

为提高部分数据缺失情况下智能电网光伏发电功率预测精度,提出一种基于双维度顺序填补框架与改进Kohonen天气聚类的光伏发电功率预测模型。采用双维度顺序填补方法补齐缺失数据,基于完整数据分析光伏发电功率

针对K-均值聚类算法对初始聚类中心存在依赖性的缺陷,提出一种基于数据空间分布选取初始聚类中心的改进算法.该算法首先定义样本距离、样本平均差异度和样本集总体平均差异度;然后将每个样本按平均差异度排序,选

基于决策树的数据挖掘技术在电信用户流失预测的应用与研究很实用，建议下载看看

该算法不再采用欧几里得距离来计算类内对象的相似性，而是使用新的对称点距离来计算相似性，在处理带有对称性质的数据集时，可以有效地识别给定数据集的聚类数目和合适的划分。