摘要
本发明公开一种基于改进生成对抗网络与异质模型集成的通信用户流失预测方法,包括数据预处理与特征工程,对用户数据进行预处理,构建特征集为后续生成对抗网络和预测模型提供输入基础;设计改进的生成对抗网络,训练基于极小极大博弈的GAN模型,为数据增强阶段生成高保真合成样本奠定模型基础;数据增强与重构,利用改进的GAN模型对原始数据集中的流失用户样本进行生成,将生成的样本与原始数据集融合,形成新的平衡数据集,用于后续预测模型训练;用户流失预测模型构建,基于得到平衡数据集训练XGBoost子模型和神经网络子模型,通过加权融合集成两者,构建用户流失预测模型;应用集成后的预测模型对新用户数据进行流失预测分析。
技术关键词
生成对抗网络
流失预测方法
样本
预测模型训练
数据
XGBoost模型
深度神经网络
异质
Sigmoid函数
特征工程
混合损失函数
预测系统
最大化准则
皮尔逊相关系数
K近邻算法
标准化方法
退火策略
方差特征
深度残差
参数