面向油气储层综合评价的TL-SVM模型与方法

将支持向量机应用于油气储层综合评价时,由于钻井数据类别分布不平衡,支持向量机对于少数类样本的分类性能较差。分析了支持向量机对于不平衡数据敏感的原因,并与不平衡分类方法TomekLinks结合,提出TL-SVM模型。实验中分别使用了支持向量机和TLSVM模型,结果表明,TL-SVM模型具有更优的分类性能。

基于改进的Tomek Link方法预测电信客户流失

为提高电信客户流失检测的准确性和效率,提出了一综合方法。首先应用XGB-RFE方法对特征进行筛选,以选择最相关的特征,其次采用基于分层交叉验证框架下的数据平衡技术,来处理不平衡数据。通过这两种方法的综合应用,旨在提高模型性能和可解释性。结果表明,基于分层交叉验证框架下的Tomek Link欠采样技术,显著提高了各个模型的性能。此外,将该方法应用于TabNet模型中,同样取得了良好的效果。这一综合方法对于电信客户流失预测具有实际应用价值,有望提高流失检测率,改善业务决策。