

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、在電信運營商領域,離網(wǎng)預測是企業(yè)決策者用來發(fā)現(xiàn)潛在離網(wǎng)用戶(即停用運營商服務)的主要手段。目前,離網(wǎng)預測都是基于特征工程和傳統(tǒng)機器學習算法,例如邏輯回歸、決策樹、神經(jīng)網(wǎng)絡及隨機森林等。其中,隨機森林算法憑借其能同時處理離散和連續(xù)的特征輸入、分布式訓練速度快及有較高預測準確度等良好特性,在電信離網(wǎng)預測系統(tǒng)中得到廣泛應用。因此,改善隨機森林算法,進一步提升離網(wǎng)預測的準確度,是本文的主要研究內容。
近年來,大數(shù)據(jù)驅動的深度學習框架在
2、預測問題上獲得巨大成功,主要原因是多層次深度神經(jīng)網(wǎng)絡能夠從大量數(shù)據(jù)中組合出豐富的非線性特征,從而提升分類預測決策的準確度。受到深度學習的啟發(fā),本文聚焦回答一個問題:是否能夠構造一個多層次隨機森林算法來獲取更好的特征進而得到比單層隨機森林更高的離網(wǎng)預測準確度?本文提出了兩種多層隨機森林算法,一種是多層分類森林算法,另一種是多層回歸森林算法,并在運營商真實用戶數(shù)據(jù)上驗證這兩種算法的離網(wǎng)預測精度。實驗數(shù)據(jù)選用連續(xù)兩個月的預付費用戶數(shù)據(jù)(每個月
3、大概210萬條數(shù)據(jù)),其中將前一個月數(shù)據(jù)用作訓練集,而將后一個月數(shù)據(jù)用作測試集。實驗結果表明,多層隨機森林比單層隨機森林具有更高的離網(wǎng)預測準確度,其中四層隨機森林與單層隨機森林相比,在PR-AUC值上有6.82%的提升。綜上所述,本文的創(chuàng)新點包括:
1)本文提出了一種新的多層隨機森林算法——多層分類森林,通過級聯(lián)的方式,將隨機森林分類器構造成多層結構算法模型,并用前一層的輸出作為下一層的輸入。在離網(wǎng)預測結果上,四層分類森林與單
4、層隨機森林對比,PR-AUC值提升了4.13%。
2)類似多層分類森林算法,本文基于Gradient Boosted Regression Tree(GBRT)思想,提出多層回歸森林算法。通過級聯(lián)方式,將后面每一層的回歸森林目標函數(shù)設置成標簽值與之前所有層結果之和的殘差,通過每一層不斷縮小殘差回歸的誤差來提升算法的預測能力。在離網(wǎng)預測的實驗結果中,四層回歸森林的預測準確度要高于四層分類森林,相對于四層分類森林,PR-AUC值提
5、升了2.57%。
3)通過大量離網(wǎng)預測實驗對比,發(fā)現(xiàn)以下現(xiàn)象:a)對比在不同數(shù)據(jù)量(分別是1個月、2個月、3個月及4個月)的訓練集下多層分類森林及多層回歸森林在離網(wǎng)預測問題上預測結果,發(fā)現(xiàn)隨著訓練數(shù)據(jù)量的倍數(shù)增長,兩種多層算法在預測精度上的提升幅度要高于單層隨機森林(例如同樣是用四個月的數(shù)據(jù)量與一個月的數(shù)據(jù)量進行對比,單層隨機森林預測結果的PR-AUC值提升了4.80%,而四層分類森林提升了6.09%,四層回歸森林更是提升了6
6、.58%),證實了在大數(shù)據(jù)量下,多層模型較單層模型有更強的特征學習能力;b)對比在不同的時間延遲上(分別是后面第一個月、后面第二個月、后面第三個月及后面第四個月)多層分類森林及多層回歸森林預測結果,發(fā)現(xiàn)隨著時間延遲的線性增長,兩種算法在離網(wǎng)預測上的預測結果相對于單層隨機森林有更小幅度的下降(例如延遲一個月時,四層回歸森林的 PR-AUC值比單層隨機森林高6.82%,而延遲四個月時,四層回歸森林的 PR-AUC值比單層隨機森林要高39.5
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 多層隨機森林算法在電信離網(wǎng)預測中的應用
- 隨機森林在電信行業(yè)客戶流失預測中的應用.pdf
- 隨機森林方法在電信行業(yè)客戶流失預測中的應用
- 數(shù)據(jù)挖掘在電信客戶離網(wǎng)分析中的研究與應用.pdf
- 隨機森林算法應用于肌電信號的情感識別.pdf
- 隨機森林算法預測醫(yī)院患者院內感染的應用研究.pdf
- 隨機森林算法及其在代謝指紋圖譜中的應用研究.pdf
- 推薦系統(tǒng)中隨機森林算法的優(yōu)化與應用.pdf
- 基于隨機森林算法的風電場出力預測研究.pdf
- 基于隨機森林回歸算法的短期負荷預測研究.pdf
- 隨機森林模型在太原市細顆粒物濃度預測中的應用.pdf
- 隨機森林在企業(yè)信用評估中的應用.pdf
- 隨機森林及其在遙感圖像分類中的應用.pdf
- 基于隨機森林的硬盤故障預測算法的研究.pdf
- 隨機森林及數(shù)據(jù)可視化在棉蚜等級預測中的應用研究.pdf
- 隨機森林算法在身體姿勢識別中的應用研究.pdf
- 基于基因表達式編程的隨機森林及其在急性低血壓預測中的應用.pdf
- 層級隨機森林算法及其在人體活動識別應用研究.pdf
- 隨機森林及其在色譜指紋中的應用研究.pdf
- 隨機森林在結構損傷識別中的應用研究.pdf
評論
0/150
提交評論