基于可解释机器学习模型的电信行业客户流失预测研究.pdfVIP

研究与开发

基于可解释机器学习模型的电信行业客户流失预测研究

王圣节，张庆红

（新疆财经大学统计与数据科学学院，新疆乌鲁木齐830012）

摘要：在电信行业中，客户流失的准确预测对于相关企业维持市场竞争力和增加收益至关重要。为此提出

一个结合CatBoost算法和SHAP（shapleyadditiveexplanations）模型的客户流失预测框架，旨在提高预测的准

确性，同时增强模型的可解释性。利用新疆某通信公司的实际营业数据，通过数据预处理及特征工程，构建

预测模型，选取5种主要关键性能指标评估模型性能。实验结果显示，所提出模型在选取的评价指标上均优

于当前主流机器学习预测模型。最后引入SHAP框架增强模型可解释性，揭示影响客户流失的关键因素，并

提供具体的因素影响程度，为电信企业制定针对性的客户保留策略提供了科学依据。

关键词：机器学习；CatBoost算法；SHAP；预测模型；电信行业

中图分类号：TP391

文献标志码：A

doi:10.11959/j.issn.1000−0801.2024166

Researchontelecomindustrycustomerchurnprediction

basedonexplainablemachinelearningmodels

WANGShengjie,ZHANGQinghong

CollegeofStatisticsandDataScience,XinjiangUniversityofFinanceandEconomics,Urumqi830012,China

Abstract:Inthetelecomindustry,accuratepredictionofcustomerchurniscrucialforthecompaniesinvolvedto

maintainmarketcompetitivenessandincreaserevenue.Tothisend,acustomerchurnpredictionframeworkcombin‐

ingCatBoostalgorithmandSHAPmodelwasproposed,aimingtoimprovetheaccuracyofpredictionandenhance

theinterpretabilityofthemodel.UsingtheactualbusinessdataofacommunicationcompanyinXinjiang,thepredic‐

tionmodelwasconstructedthroughdatapreprocessingandfeatureengineering,andfivemajorkeyperformanceindi‐

catorswereselectedtoevaluatethemodelperformance.Theexperimentalresultsshowthattheproposedmodelout‐

performsthecurrentmainstreammachinelearningpredictionmodelsinalltheaboveevaluationindicators.Finally,

theSHAPframeworkwasintroducedtoenhancethemodelinterpretability,revealthekeyfactorsaffectingcustomer

churn,andprovidethespecificinfluencedegreeofthefactors,whichprovided