基于B-SMOTE1-XGBoost预测电信客户流失

常用的单一机器学习分类算法在针对不平衡数据时往往追求较高的准确率,却忽视了现实意义。针对这种问题,引入F1、AUC值评估分类器性能的优劣,引入k折交叉方式衡量模型稳健性。构建B-SMOTE1-XGBoost模型,即首先对处理好的数据采用B-SMOTE1算法(Borderline-SMOTE1)对数据进行过采样,然后采取XGBoost算法进行分类预测。在对比传统分类算法以及组合算法中,本模型明显提高了客户流失的准确率、F1值、AUC值以及五折交叉验证均值。证实B-SMOTE1-XGBoost模型能够有效提升客户流失的预测效果,并且对样本量较少情况也适用。