×
塞巴斯蒂安·马尔多纳多；胡里奥·洛佩兹；卡拉·瓦雷蒂

基于极小极大概率机的基于利润的流失预测。 （英语） 兹比尔1441.62806

欧洲药典。物件。 284，编号1，273-284（2020）.
总结：在本文中，我们提出了三种新的利润驱动的流失预测策略。我们的建议扩展了Minimax概率机的思想，这是一种用于二进制分类的稳健优化方法，使用概率设置使灵敏度和特异性最大化。我们采用这种方法和其他变体来最大化目标函数中保留活动的利润，这与大多数基于利润的策略不同，这些策略使用利润指标在分类器之间进行选择，和/或定义给定概率输出的最佳分类阈值。第一种方法是作为不包含正则化项的学习机器开发的，随后通过包含Lasso和Tikhonov正则化器进行扩展。在著名客户流失预测数据集上的实验表明，与其他二进制分类技术相比，我们的建议带来了最大的利润。

引用于三文件

MSC公司：

62第20页 统计学在经济学中的应用
62H30型 分类和区分；聚类分析（统计方面）
68T05型 人工智能中的学习和自适应系统
90立方 非线性规划

关键词：

分析；客户流失预测；支持向量机；极小极大概率机；稳健优化

软件：

CVX公司
PDF格式BibTeX公司 XML格式引用
\textit{S.Maldonado}等人，《欧洲药典》。第284号决议，第1273-284号（2020年；兹bl 1441.62806）
全文： 内政部

参考文献：

[1] Alizadeh，F。；Goldfarb，D.，二阶锥规划，数学规划，95，3-51（2003）·Zbl 1153.90522号
[2] Baesens，B.，《大数据世界中的分析》（2014），John Wiley and Sons
[3] 北卡罗来纳州巴恩森。；Aouada，D。；Ottersten，B.，示例相关成本敏感决策树，应用专家系统，42，19，6609-6619（2015）
[4] Baumann，A。；莱斯曼，S。；库塞门特，K。；Bock，K.W.D.，《最大化重要内容：通过以决策为中心的集成选择预测客户流失》，第23届欧洲信息系统会议（ECIS’15），德国蒙斯特，5月26日至29日。(2015)
[5] Bertsekas，D.P.，《非线性规划》（1999），雅典娜科学出版社·Zbl 1015.90077号
[6] Bertsekas，D.P.，《凸优化算法》（2015），雅典娜科学出版社·Zbl 1347.90001号
[7] 布拉特贝格，R。；Kim，B。；Neslin，S.，《数据库营销：分析和管理客户》（2008），Springer Science+Business Meida，LLC:Springer科学+Business Meada，LLC纽约
[8] Burez，J。；Van den Poel，D.，处理客户流失预测中的等级不平衡，应用专家系统，36，3，4626-4636（2009）
[9] Canelas，A。；卡拉斯科，M。；López，J.，非线性二阶锥规划的可行方向算法，优化方法与软件，34，6，1322-1341（2019）·Zbl 1431.90146号
[10] 陈，Z.-Y。；风扇，Z.-P。；Sun，M.，使用纵向行为数据预测客户流失的分层多核支持向量机，《欧洲运筹学杂志》，223，2，461-472（2012）·Zbl 1292.68131号
[11] 达塔，P。；马桑德，B。；Mani，D。；Li，B.，《大规模自动细胞建模和预测》，《人工智能评论》，1485-502（2000）·Zbl 0984.68546号
[12] Demšar，J.，多数据集分类器的统计比较，J.马赫。学习。研究，1-30（2006）·Zbl 1222.68184号
[13] 杜达，R。；硬，P。；Stork，D.，模式分类（2001），Wiley-国际科学出版物·Zbl 0968.68140号
[14] 法尔夸德，M。；拉维，V。；Raju，S.B.，《使用可理解支持向量机进行客户流失预测：分析CRM应用》，应用软计算，19，31-40（2014）
[15] 弗莱明，J。；Asplund，J.，《人性西格玛：管理员工与客户的接触》（2007），盖洛普出版社：盖洛普新闻纽约
[16] Grant，M.和Boyd，S.（2014）。CVX:用于严格凸编程的Matlab软件，2.1版。http://cvxr.com/cvx。
[17] 顾，B。；太阳，X。；Sheng，V.S.，Structural minimax probability machine，IEEE Transactions on Neural Networks and Learning Systems，28，7，1646-1656（2017年）
[18] Hand，D.，《衡量分类器性能：ROC曲线下区域的连贯替代方法》，机器学习，77，1，103-123（2009）·Zbl 1470.62085号
[19] Hoi，C。；Lyu，M.，使用极小极大概率机的鲁棒人脸识别，IEEE多媒体与博览会（ICME）国际会议论文集，1175-1178（2004）
[20] Höppner，S。；剥皮，E。；Baesens，B。；vanden Broucke，S。；Verdonck，T.，用于流失预测的利润驱动决策树，《欧洲运筹学杂志》（2018）·Zbl 1441.62739号
[21] Huang，K。；Yang，H。；国王一世。；Lyu，M.R.，使用有偏极小极大概率机最大化医疗诊断灵敏度，IEEE生物医学工程学报，53，5，821-831（2006）
[22] Huang，K。；Yang，H。；国王一世。；吕，M。；Chan，L.，最小误差极大概率机器，机器学习研究杂志，51253-1286（2004）·Zbl 1222.62071号
[23] 柳叶刀，G。；加维，L。；巴塔查里亚，C。；Jordan，M.，《稳健的极小极大分类方法》，《机器学习研究杂志》，3555-582（2003）·Zbl 1084.68657号
[24] López，J。；Maldonado，S.，基于稳健优化和特征选择的基于利润的信用评分，信息科学，500，190-202（2019）
[25] López，J。；马尔多纳多，S。；Carrasco，M.，双多类支持向量机的稳健公式，应用智能，47，4，1031-1043（2017）
[26] López，J。；马尔多纳多，S。；Carrasco，M.，通过dc编程实现稳健特征选择和SVM分类的双重正则化方法，信息科学，429，377-389（2018）·Zbl 1436.68310号
[27] 马，J。；Yang，L。；温，Y。；Sun，Q.，用于模式识别的双极小极大概率极限学习机，基于知识的系统，187104806（2020）
[28] 马尔多纳多，S。；卡拉斯科，M。；López，J.，正则极大极小概率机，基于知识的系统，177127-135（2019）
[29] 马尔多纳多，S。；弗洛雷斯，A。；Verbraken，T。；Baesens，B。；Weber，R.，《使用支持向量机的基于利润的特征选择-客户流失预测的一般框架和应用》，应用软计算，35，740-748（2015）
[30] 马尔多纳多，S。；López，J.，使用二阶锥编程支持向量机的非平衡数据分类，模式识别，472070-2079（2014）·Zbl 1339.68227号
[31] 奈斯林，S。；古普塔，S。；镰仓，W。；卢，J。；Mason，C.，《缺陷检测：测量和理解客户流失模型的预测准确性》，《市场研究杂志》，43，2204-211（2006）
[32] 奥斯卡斯多蒂尔，M。；Baesens，B。；Vantheinen，J.，利用个人客户终身价值进行基于利润的客户保留模型选择，大数据，6，1，53-65（2018）
[33] Saketha Nath，J。；Bhattacharyya，C.，具有特定误报率和误报率的最大边缘分类器，SIAM数据挖掘国际会议论文集（2007）
[34] Schaible，S.，《派别编程：应用与算法》，《欧洲运筹学杂志》，第7期，第2期，第111-120页（1981年）·Zbl 0452.90079号
[35] Sivanandam，S。；Deepa，S.，《遗传算法导论》（2006），Springer·Zbl 1129.90001号
[36] Song，S。；龚，Y。；Zhang，Y。；黄，G。；Huang，G.-B.，最小误差最小最大概率机降维，IEEE系统、人与控制论汇刊：系统，47，1，58-69（2017）
[37] 剥皮，E。；vanden Broucke，S。；安东尼奥，K。；Baesens，B。；Snoeck，M.，使用遗传算法预测客户流失的利润最大化逻辑模型，Swarm和进化计算，40，116-130（2018）
[38] 内部点方法专刊（CD补充软件）·Zbl 0973.90526号
[39] Sun，W。；袁永新，优化理论与方法：非线性规划（2006），施普林格·邮编1129.90002
[40] 韦贝克，W。；Dejaeger，K。；Martens，D。；胡尔，J。；Baesens，B.，《电信行业流失预测的新见解：利润驱动的数据挖掘方法》，《欧洲运筹学杂志》，218，1，211-229（2012）
[41] 韦贝克，W。；Martens，D。；Baesens，B.，《客户流失预测的社交网络分析》，应用软件计算，第14期，第431-446页（2014年）
[42] 韦贝克，W。；Martens，D。；梅斯，C。；Baesens，B.，《使用高级规则归纳技术构建可理解的客户流失预测模型》，《应用专家系统》，38，2354-2364（2011）
[43] 韦伯拉肯，T。；Baesens，B。；Bravo，C.，利润驱动商业分析（2017），Wiley
[44] Verbraken，T。；布拉沃，C。；韦伯，R。；Baesens，B.，《使用基于利润的分类方法开发和应用消费者信用评分模型》，《欧洲运筹学杂志》，238，2，505-513（2014）·兹比尔1338.91146
[45] Verbraken，T。；韦贝克，W。；Baesens，B.，《衡量客户流失预测模型分类性能的新型利润最大化指标》，IEEE知识与数据工程汇刊，25，5，961-973（2012）
[46] 魏，C。；Chiu，I.，将电信呼叫细节转化为客户流失预测：数据挖掘方法，应用专家系统，23，103-112（2002）
[47] 朱，B。；Baesens，B。；vanden Broucke，S.，《流失预测中阶级失衡问题的技术实证比较》，《信息科学》，408，84-99（2017）
[48] 邹，H。；袁，M.，f-无限范数支持向量机，中国统计，18，379-398（2008）·Zbl 1416.62370号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。