基于属性约简和LOGISTIC回归的客户信用度预测研究

目前在通信领域的运营商仍然缺乏一套有效的对客户信用度的评价方法，原因是模型构造科学性不强；评价模型的参数选择不理想；因地区经济差异个别省份研究的模型无法在全国统一推广应用等等问题。为了改进上述不足，基于对某西部通信企业实际业务的商业理解，首先通过专家法选取了以历史信用、消费满意度、消费力、消费意愿、关键人物和忠诚度为业务纬度的27项与用户信用好坏有关的属性，并根据27条属性通过数据抽取、转换和装载（即ETL过程）我们从该企业数据仓库中提取大量真实的实验数据774万条。另外我们利用基于互信息的属性约简对原始的27项属性进行重要性筛选得到用于挖掘的16个属性，大大简化了模型构件过程的复杂度。最后我们以16个属性为输入值，以被定义的用户信用度为输出值，利用数据挖掘中的Logistic回归算法构造了完整的客户信用度预测模型。最终我们采用似然比检验方法验证了Logistic回归的适用性，并采用Wald检验自变量的有效性，对实际数据的预测准确率达到8813％。在实践应用中，我们利用该模型计算出的用户信用差的概率来做为信用度高低的评分依据，再此基础上开展各种个性话的客户关怀和促销活动。目前该模型已经在西部的某通信运营商的正式生产系统环境中使用。