基于云計(jì)算的運(yùn)營(yíng)商客戶流失預(yù)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、在當(dāng)今社會(huì)，隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，我們所擁有的數(shù)據(jù)信息也以指數(shù)進(jìn)行增長(zhǎng)。單個(gè)的CPU節(jié)點(diǎn)對(duì)于海量數(shù)據(jù)的處理越來越乏力，利用云計(jì)算技術(shù)使用集群來進(jìn)行數(shù)據(jù)存儲(chǔ)與數(shù)據(jù)挖掘是大勢(shì)所趨。電信運(yùn)營(yíng)商是常見的海量數(shù)據(jù)擁有者，掌握著用戶信息、用戶行為等數(shù)據(jù)資源。而隨著技術(shù)日趨成熟，市場(chǎng)壟斷逐漸被打破，運(yùn)營(yíng)商間的競(jìng)爭(zhēng)越來越激烈，客戶可以自由選擇更便宜的資費(fèi)和更優(yōu)質(zhì)的服務(wù)，經(jīng)常會(huì)導(dǎo)致客戶流失。在這樣的背景下，論文在云計(jì)算環(huán)境下設(shè)計(jì)并實(shí)現(xiàn)了專門針對(duì)運(yùn)營(yíng)商

2、的客戶流失預(yù)測(cè)系統(tǒng)。
　　論文根據(jù)系統(tǒng)的功能需求，設(shè)計(jì)了預(yù)測(cè)系統(tǒng)的整體框架，并給出了數(shù)據(jù)預(yù)處理模塊、預(yù)測(cè)模型訓(xùn)練模塊、預(yù)測(cè)模型測(cè)試模塊和預(yù)測(cè)模型應(yīng)用模塊的設(shè)計(jì)方案，然后具體實(shí)現(xiàn)了各個(gè)模塊，最后對(duì)系統(tǒng)性能進(jìn)行了測(cè)試和分析。
　　本文的預(yù)測(cè)系統(tǒng)主要采用了Logistic回歸、樸素貝葉斯分類、BP神經(jīng)網(wǎng)絡(luò)等三種算法作為理論基礎(chǔ)，重點(diǎn)給出了它們?cè)?Hadoop環(huán)境下的并行化。使用三種算法，給出訓(xùn)練集進(jìn)行訓(xùn)練得到模型，并用測(cè)試集進(jìn)行測(cè)