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。