1、以客戶為中心的經營管理理念，已成為當前企業(yè)發(fā)展的基石，以此為特征的客戶關系管理技術，已經成為企業(yè)獲取競爭優(yōu)勢的重要手段?？蛻袅魇Х治鍪强蛻絷P系管理的重要組成部分。研究表明，若能有效地降低客戶流失率，將能夠極大提升企業(yè)的競爭力以及盈利水平。因此在全球市場競爭日益激烈的今天，找出客戶流失緣由、降低客戶流失率，是具有重要理論意義和現實意義的研究課題。
　　論文首先回顧了客戶流失的基本概念，以及客戶流失問題的研究途徑，同時分析了傳統(tǒng)數據挖

2、掘分類方法在客戶流失預測中的不足。接著，闡述了常用的數據挖掘分類方法，重點是決策樹和支持向量機方法，為后文提出的改進算法做了理論鋪墊。接下來，針對傳統(tǒng)分類方法在分類過程中假設所有分類錯誤的錯分代價是相等的局限，引入代價敏感學習機制，闡述了為傳統(tǒng)分類方法引入代價敏感學習的兩種思路。最后，就傳統(tǒng)分類方法的泛化能力較弱的局限，闡述了通過引入集成學習以解決傳統(tǒng)分類方法構建單一分類器的不穩(wěn)定性，以及提高其學習精度，達到有效地提高傳統(tǒng)分類方法泛化能

3、力的目的。
　　然后，論文以決策樹C4.5算法和支持向量機方法作為基準算法，通過引入代價敏感學習，分別對兩種傳統(tǒng)分類方法進行了代價敏感改造，再利用經典的集成算法Boosting和Bagging對兩者進行集成學習，從而提出了基于Boosting與代價敏感決策樹和基于Bagging與代價敏感支持向量機這兩種集成代價敏感分類方法，并在10個UCI機器學習數據庫的非平衡二分類數據集上進行算法實驗分析，發(fā)現兩個算法相對于其基準算法能夠獲得更

4、好的預測性能。另外，還給出基于數據挖掘分類方法構建客戶流失預測模型的評價指標，以用于案例分析。
　　最后，論文以重慶市某商業(yè)銀行個人理財業(yè)務客戶數據集作為分析樣本，運用論文提出的兩種集成代價敏感分類方法在該客戶數據集上分別建立客戶流失預測模型，并將預測結果與常用數據挖掘分類算法：RBF神經網絡、貝葉斯網絡和Logistic回歸等建立的預測模型的結果進行了對比分析，驗證了兩種算法的良好預測性能。鑒于模型可解釋性，論文采用基于Boos