检索结果-南通市图书馆

作者：黄依婷暨南大学

学位级别：硕士

随着信息化产业的高速发展,各类电信服务在人群中的普及率越来越高,且近年各电信运营商公司的兴起,加大了拓展新用户的难度,而做好用户留存,尽量减少用户流失就是最大化电信公司利润的必要手段。但是要尽可能减少用户留存的成本,就需要... 详细信息

随着信息化产业的高速发展,各类电信服务在人群中的普及率越来越高,且近年各电信运营商公司的兴起,加大了拓展新用户的难度,而做好用户留存,尽量减少用户流失就是最大化电信公司利润的必要手段。但是要尽可能减少用户留存的成本,就需要电信公司在庞大、复杂的数据中筛选出高价值而有效的数据信息,精准预测用户流失风险。论文聚焦于电信公司高价值用户流失分析的主题,首先根据用户生命周期理论划分数据集,基于此利用用户充值金额筛选出高价值用户数据。标记是否流失后,再进行数据预处理、特征创造、样本不平衡处理、特征降维等数据处理工作,其中进行样本不平衡处理时,在对比SMOTE过采样和SMOTE-ENN混合采样结合模型的表现后,选择前者处理训练集数据。将数据导入逻辑回归、KNN、随机森林、SVM、XGBoost、Light GBM、Cat Boost中分别构建高价值用户流失预测模型,利用网格搜索找到每个分类模型的最优参数组合。比较各模型的准确率、召回率、F1分数值、AUC值等评估指标的综合表现后,构建以随机森林、SVM、XGBoost、Light GBM、Cat Boost为基分类器,逻辑回归为元分类器的两层高价值用户Stacking融合分析模型,进一步提升了模型预测效果。最后分析逻辑回归和随机森林特征贡献度排名靠前的特征,找到对高价值用户流失最重要的5个预测指标。综上所述,对于高价值用户流失预测最重要的5个指标分别是用户行动阶段使用呼入服务的总时长、上次充值后的天数、行动阶段漫游出入使用分钟数比率、行动阶段最后一天充值金额、行动阶段的总使用分钟数。单个模型中Cat Boost的综合表现最好,在高价值用户流失预测上很有应用价值。而构建的Stacking融合模型又能进一步提高模型预测性能,最终AUC指标值为0.9172,说明Stacking融合在用户流失预测这种二分类问题上很有优势。

关键词：电信用户流失样本不平衡处理 CatBoost算法 Stacking融合算法

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的宫颈癌危险因素分析

基于机器学习的宫颈癌危险因素分析

引用

作者：徐石玉山东师范大学

学位级别：硕士

随着生活水平的提高,国家对于女性健康给予了更多的关注与支持,宫颈癌作为常见的恶性肿瘤疾病严重威胁女性健康。研究表明,发展中国家的宫颈癌发病率远高于发达国家,我国是世界上最大的发展中国家,更应该对宫颈癌进行预防和排查。用于... 详细信息

随着生活水平的提高,国家对于女性健康给予了更多的关注与支持,宫颈癌作为常见的恶性肿瘤疾病严重威胁女性健康。研究表明,发展中国家的宫颈癌发病率远高于发达国家,我国是世界上最大的发展中国家,更应该对宫颈癌进行预防和排查。用于检验宫颈癌的传统电子影像分析耗时耗力,成本过大,加重了医务工作者的负担。本文利用机器学习算法构建宫颈癌预测模型,提高宫颈癌诊断效率和预测准确率,减少人力物力的损耗,更好地利用有限的医疗资源。首先,对原始数据进行处理,寻找特征缺失值超过总特征数一半的样本以及特征数少于16个的样本并将其删除,接着计算特征之间的相关性,以0.5为阈值找到强相关的特征对,这些特征对为缺失值的补全提供指导。无相关特征对的特征缺失值则采用众数或均值进行特异性补全。处理后的数据进行标准化处理,以减少规模差异对模型带来的影响。其次,分析样本不平衡技术对宫颈癌数据预测性能的影响。宫颈癌数据的收集比较困难,样本类别通常不平衡,大部分情况下阴性样本多,阳性样本少,阻碍了模型对数据结构的学习。本文讨论三种先进的样本不平衡技术SMOTE、kmeans-SMOTE和AMSCO,在七种分类模型中选出最优的分类框架。经过实验,原始数据在六种评价指标下的平均预测率为0.5420,最佳不平衡处理技术为kmeans-SMOTE,其平均预测率达到了0.6047。此外,经不平衡技术处理后,阳性样本的预测准确率达到了0.5439。结果表明,不平衡技术和分类模型能深入学习到正负样本之间的差异信息,能够对癌症患者给予更高的预测准确率。然后,分析特征选择技术对宫颈癌数据预测性能的影响。原始数据所包含的特征多而杂,许多因素对预测模型不仅没有贡献,甚至干扰模型性能。这里重点讨论主成分分析、包裹式（递归特征消除算法）和嵌入式（基于Gini系数的随机森林模型）三种算法。经过实践,最佳特征选择模型为基于Gini系数的随机森林算法,在四种目标变量下Weighted F1-score均值达到了0.8766,最高值达到了0.8960.,而只进行不平衡技术处理的Weighted F1-score均值为0.8627,最高值为0.8718。经过特征选择后,模型的预测性能得到了进一步提升,同时利用Gini+随机森林算法对宫颈癌危险因素进行了排名。最后,考虑到弱监督模型的局限性,本文在个体学习器的基础上又引入了异质集成器Stacking并探究其预测性能。通过对比多种模型的泛化能力,最终确定以Ada Boost模型为次级学习器,以支持向量机、XGBoost和MLP为初级学习器的Model 2模型为最优模型。经过实验后,选择kmeans-SMOTE进行样本不平衡处理,使用基于Gini系数的随机森林模型去除冗余特征,最后确定Model 2为分类模型。在该预测框架下,最高Weighted F1-score达到了0.9119,具有较强的稳健性,相比原始数据的最高Weighted F1-score 0.8045,提升了0.1074。

关键词：宫颈癌风险预测样本不平衡处理特征选择分类模型

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的机械设备故障预测

引用

湖北师范大学学报:自然科学版 2023年第3期43卷 24-30页

作者：聂亚珍崔俊湖北师范大学经济管理与法学院湖北黄石435002

在实际生产中,根据机械设备的使用情况,提前预测潜在的故障风险,精准地进行检修维护,维持机械设备稳定运转,不但能够确保整体工业环境运行具备稳定性,也能切实帮助企业提高经济效益。通过机器学习算法对工业机械设备的使用情况数据进行... 详细信息

在实际生产中,根据机械设备的使用情况,提前预测潜在的故障风险,精准地进行检修维护,维持机械设备稳定运转,不但能够确保整体工业环境运行具备稳定性,也能切实帮助企业提高经济效益。通过机器学习算法对工业机械设备的使用情况数据进行建模,旨在对工业设备故障进行预测。具体研究内容如下:1)采用ADASYN算法进行不平衡过采样学习,解决样本不平衡的问题;2)用LightGBM算法的输出的feature importance结合相关性分析对特征进行筛选,选择合适的指标用于机械设备故障的预测;3)采用LightGBM算法来判别机械设备是否发生故障;4)采用决策树算法模型用于判别机械设备发生故障的具体类别,并通过对决策树模型的可视化研究来探究每类故障的主要成因,找出与其相关的特征属性,进行量化分析,挖掘可能存在的模式/规则。

关键词：二分类预测多分类预测样本不平衡处理数据挖掘

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：