检索结果-南通市图书馆

作者：吴博民广西师范大学

学位级别：硕士

自2019年中国电信、中国联通、中国广电被工信部正式授予5G商用牌照以来,中国被进入了5G时代。随机5G基础设施的逐步完善,三大运营商之间的竞争开始变得激烈,谁能够做到准确识别5G潜在用户,谁就能抢占市场先机,拥有竞争优势。结合大数... 详细信息

自2019年中国电信、中国联通、中国广电被工信部正式授予5G商用牌照以来,中国被进入了5G时代。随机5G基础设施的逐步完善,三大运营商之间的竞争开始变得激烈,谁能够做到准确识别5G潜在用户,谁就能抢占市场先机,拥有竞争优势。结合大数据时代,客户行为的可预测性,通过数据挖掘技术,对用户的数据进行挖掘,可以提高运营商的营销效率,因此本文通过数据挖掘技术对来自重庆的5G套餐数据进行深入研究,通过建立5G潜在客户识别模型,寻找影响5G套餐使用的因素,并针对性的给出建议。本文数据集中包含了8个维度43个特征,其中因变量为是否是5G套餐用户,为二分类问题。本文构建模型的主要流程有:数据预处理、特征工程、模型的训练和评估。首先通过数据预处理,解决了数据集中的缺失值与量纲不一致问题,并构建了衍生特征,随后基于GBDT模型,对数据集进行了降维,筛选出了重要程度最高的20个特征。为了使模型更好的学习数据,通过SMOTE算法对数据集进行了上采样,解决了数据的不平衡问题,随后建立决策树、随机森林、Adaboost,Xgboost等四个模型,通过综合比较准确度、精确度、召回率、F1值、AUC等指标,得到最优模型与特征的重要性程度,通过SHAP值对最优模型的特征中重要性程度进一步进行了研究,并针对性给与了建议。结果表明,在模型结果上,Xgboost模型的学习效果是最优的,其AUC值达到了0.80,模型能够较好的区分出5G套餐用户与非5G套餐用户。基于最优模型,影响5G套餐的使用的因素有近三月平均折后消费、当月折后消费、是否为家庭用户、用户主资费套餐、用户总套餐价值等等。并通过SHAP值进一步解释特征的是如何影响的。具体来说,5G套餐的使用意愿随着近三月平均折后消费水平的增加,呈现先增加后下降的趋势;在年龄区间20-25岁间5G套餐的使用意愿最强。基于此,针对性的给出了合理的对5G套餐定价、把握重点人群,如年轻人、集团用户的,鼓励运营商提供更多的5G套餐选择。

关键词：数据挖掘 5G 潜客识别 Xgboost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XGBoost和SHAP的5G潜客识别及特征分析模型

引用

软件 2022年第12期43卷 67-70页

作者：梁津铭新疆财经大学统计与数据科学学院新疆乌鲁木齐830012

5G网络作为智慧城市建设的有力支撑,加快5G用户增长与智慧城市建设相融合成为了新的发力点。对数据预处理后,首先,利用XGBoost模型对潜在5G用户进行精准识别;其次,与五种算法进行实验对比,结果表明XGBoost在各项指标上均最优;最后,引入S... 详细信息

5G网络作为智慧城市建设的有力支撑,加快5G用户增长与智慧城市建设相融合成为了新的发力点。对数据预处理后,首先,利用XGBoost模型对潜在5G用户进行精准识别;其次,与五种算法进行实验对比,结果表明XGBoost在各项指标上均最优;最后,引入SHAP模型对5G用户进行影响因素分析,为相关部门及用户提供决策依据。

关键词：机器学习潜客识别 5G 影响因素

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

基于LightGBM算法的5G套餐的潜客识别

引用

信息技术与信息化 2022年第1期 4-7页

作者：力小勇西安财经大学陕西西安710100

为了在大样本(百万级别)、高纬度的数据背景下,降低识别5G套餐潜在客户的建模成本,提高模型的精度和效率问题,提出了一种基于LightGBM集成算法为基础的5G套餐潜客识别方法。首先进行大规模的数据清洗;然后根据业务理解构建特征工程;最后... 详细信息

为了在大样本(百万级别)、高纬度的数据背景下,降低识别5G套餐潜在客户的建模成本,提高模型的精度和效率问题,提出了一种基于LightGBM集成算法为基础的5G套餐潜客识别方法。首先进行大规模的数据清洗;然后根据业务理解构建特征工程;最后将XGBboost、GBDT、LightGBM三种算法进行建模对比。实验结果表明,在相等的时间下,LightGBM算法模型得到的模型效果明显优于其他算法,适合大样本、高纬度背景下的5G套餐潜客建模。

关键词： 5G 潜客识别 LightGBM

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

中国移动5G套餐潜在用户预测与营销策略分析

中国移动5G套餐潜在用户预测与营销策略分析

引用

作者：房文涵中央财经大学

学位级别：硕士

随着国家紧锣密鼓的建设5G基站、完善配套设施、延伸应用领域,5G时代正式拉开帷幕,提高5G网络的覆盖率,推广5G套餐成为当务之急。在此基础之上,助力我国5G商业化进程,提高我国移动手机用户5G套餐使用占比。经过多年研究与努力,运营商在... 详细信息

随着国家紧锣密鼓的建设5G基站、完善配套设施、延伸应用领域,5G时代正式拉开帷幕,提高5G网络的覆盖率,推广5G套餐成为当务之急。在此基础之上,助力我国5G商业化进程,提高我国移动手机用户5G套餐使用占比。经过多年研究与努力,运营商在用户是否离网预测、性别判断、年龄估计以及满意度的评估与分析等方面已经拥有了一定的研究成果。但是,只有这些还是远远不够的,对于用户业务套餐升级或者改变的意愿研究稀缺。本文基于每月用户更换5G套餐数据,分析4G用户更换5G套餐的行为特征,从更换5G套餐的4G用户的基础信息、消费行为、超套信息、宽带信息、其他信息等维度,利用Cat Boost算法构建5G套餐潜客识别模型,并与其他模型进行结果比较,识别出目前4G用户具有更换5G套餐的需求群体,进行5G潜客营销,精准营销从而降低成本、提高收益。综合探索性数据分析结果,总结出5G套餐潜在用户的共同特征。本文选取相关数据集,共包含14万条数据,40个相关变量。其中包括用户的基础信息、消费行为、超套信息、宽带信息、其他信息等37个用户特征指标(包括用户在4G套餐时期的数据);用户标识(ID)、用户编号以及该月是否升级为5G套餐。结果表明,年龄在40～60岁的男性三星级用户构成了目前5G套餐用户群体的绝大部分,5G套餐用户的月均资费在100元左右,月均流量使用在千兆级别。另外,家庭用户中5G套餐用户占比较高,集团用户群体同时也是5G套餐用户的重要来源之一。综合以上多个条件,能更加准确的筛选出5G套餐的潜在用户;运营商也能够有的放矢,针对潜在用户加大营销力度、给予优惠政策等等,进而降低营销成本,实现精准营销。本文对5G套餐潜在用户的预测属于二分类问题。预测模型的建立包括数据预处理、探索性数据分析、特征工程、模型的训练与评估。首先进行数据预处理,并对处理后的数据进行初步分析,并据此构建衍生变量;利用相关系数检验以及Light GBM算法筛选重要特征,计算变量累计贡献率,剔除无关变量。Cat Boost是俄罗斯公司在2017年创新开源的机器学习算法,隶属于Boosting算法族的一种,由Catgorical和Boost组成,无需调参、支持类别变量、快速预测等特性极大的提高了模型的泛化与预测水准。本文利用Cat Boost算法建立5G套餐潜在用户预测模型,计算特征变量重要度得分及排名;计算准确率、召回率、F1值、AUC值、KS值等指标,对模型预测性能进行全方位、多层次的综合评估;同时与XGBoost模型、Logistic回归模型、AdaBoost模型、Light GBM模型结果进行对比,进一步说明Cat Boost模型的优越性。结果表明,基于本文的数据集,结合评价指标结果综合来看,Cat Boost模型相较于Ada Boost模型以及Logistic回归模型来说,都具有绝对优势。而与Light GBM模型相比,在F1值、召回率等指标上表现更好,在AUC值与准确率等指标上不相上下,这表明Cat Boost模型对于正样本的预测准确率是非常有保证的;与XGBoost模型相比,在精确度与AUC值上表现更好,极为有效的提高了模型的预测精度。综上所述,这说明Cat Boost模型性能已经能够很好地满足商用要求,准确识别5G套餐潜在用户的能力也是可以信赖的。由预测模型分析可得,居住地以及工作地是否覆盖5G、近三月用户月均资费、近三月用户月均流量使用量、近三月用户月均语音通话分钟数、是否为家庭用户等特征变量对于移动用户能否转化为5G套餐用户有重要作用,这与探索性数据分析的结论是一致的。运营商可根据预测模型对用户进行预测,及时识别用户的套餐升级需求,对用户升级5G套餐提供决策依据。根据上述对于5G套餐用户的预测与分析,本文得出了影响用户升级5G套餐的关键因素,并据此提出以下营销建议:国家信用背书、政策支撑,加大优惠补贴政策力度,消除用户后顾之忧;国家更加注重基站建设问题,财政资金予以支持,投资建设、完善相关基础设施,缓解运营商资金压力,从而有效降低5G套餐资费;完善5G相关产业链建设,集中精力进行科研创新,拓展开发5G网络应用场景,深挖用户需求,吸引用户升级;培养5G专业建设人才,定期组织、开展相关技能培训;制定客户挽留政策,减少用户流失造成的损失;丰富5G套餐种类,根据不同用户的自身特点量身定制,如针对农村用户推出低价套餐、针对学生用户推出试用套餐、针对集团用户推出团购优惠等等;加大“家庭套餐”优惠力度,积极响应国家携号转网政策实施。

关键词： 5G套餐潜客识别探索性数据分析 CatBoost模型 LightGBM模型 XGBoost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

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

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

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：