(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211029429.4 (22)申请日 2022.08.25 (71)申请人 山东大学 地址 250199 山东省济南市历城区山大南 路27号 (72)发明人 王天弘　于珍　刘刚　赵娜娜　 何嘉诚　 (74)专利代理 机构 济南金迪知识产权代理有限 公司 37219 专利代理师 杨树云 (51)Int.Cl. G06Q 30/02(2012.01) G06N 20/10(2019.01) (54)发明名称 一种基于机器学习的客户流失预警方法及 系统 (57)摘要 本发明涉及一种基于机器学习的客户流失 预警方法及系统， 包括： 获取数据集； 对 数据集中 的数据进行预处理； 构建客户流失预警模型， 并 通过预处理后的数据进行训练， 得到训练好的客 户流失预警模 型； 将待检测的数据通过所述预处 理后输入训练好的客户流失预警模 型， 得到客户 流失预警结果。 本发明通过对企业大量不规范客 户进店信息数据进行预处理， 并采用决策树、 SVM、 随机森林和 GA‑CART算法， 构建流失预警模 型， 基于Pyt hon‑Tkinter进行可视化制作操作软 件， 有效地协助企业人员进行客户流失预警， 制 定的挽救措施。 权利要求书3页 说明书10页 附图3页 CN 115526652 A 2022.12.27 CN 115526652 A 1.一种基于 机器学习的客户流失预警方法， 其特 征在于， 包括： 获取数据集； 对数据集中的数据进行 预处理； 构建客户流失预警模型， 并通过预处理后的数据进行训练， 得到训练好的客户流失预 警模型； 将待检测的数据通过所述预处理后输入训练好的客户流失预警模型， 得到客户流失预 警结果。 2.根据权利要求1所述的一种基于机器学习的客户流失预警方法， 其特征在于， 通过 决 策树、 SVM、 随机森林或GA ‑CART算法构建流失预警模型。 3.根据权利要求2所述的一种基于机器学习的客户流失预警方法， 其特征在于， 通过 决 策树构建流失预警模型， 包括： 流失预警模型为决策树模型； 进一步优选的， 决策树模型中， 采用CART决策树算法， 假设有n个样本集的数据集为D， 其中， 有k个不同的属性， 每个样本属于对应类的概率为pk， 数据集D的纯度用GINI指数G(D) 来衡量， 如式(I)所示： 对于数据集D， 假设选取特征A作为分支特征， 根据特征A的取值将数据集D划分为D1和 D2， D1为A＝a1的子样本， D2为A≠a1的子样本， 在选取特征A作为分支特征条件下数据集D的 GINI指数G(D,A)如式(I I)所示： Gini(D1)和Gini(D2)分别指数据集D1和D1的样本GI NI指数。 4.根据权利要求2所述的一种基于机器学习的客户流失预警方法， 其特征在于， 通过 SVM构建流失预警模 型， 包括： 运用python中的SVM库的svm函数构建SVM模型， 流失预警模型 为SVM模型。 5.根据权利要求2所述的一种基于机器学习的客户流失预警方法， 其特征在于， 通过随 机森林构建流失预 警模型， 包括： 运用python中的Sklearn库的Deci sionTreeClassifier函 数构建随机森林模型， 流失预警模型为随机森林模型。 6.根据权利要求2所述的一种基于机器学习的客户流失预警方法， 其特征在于， 通过 GA‑CART算法构建流失预警模型， 包括： (i)数据加载 对预处理后的数据进行随机划分， 划分为训练集和 测试集， 并获得客户流失的标签； (ii)初始化种群 根据4S店客户特征维度来设置染色体长度； 4S店客户特征维度、 种群规模大小及染色 体长度是相同的； (iii)计算初始化种群适应度值， 并选取最大适应度值对应的染色体； 迭代执行， 如果是第一次迭代， 则最大适应度值即为本次迭代的流失预警模型的召回 率； 否则， 则和上一次迭代的最大召回率进行对比， 选取较大召回率值作为最大适应度值；权　利　要　求　书 1/3 页 2 CN 115526652 A 2每一次迭代的过程中都会存在本次迭代所对应的基因序列， 如果本次迭代的召回率值进 行 了变化， 则更新 一次最大召回率所对应的基因序列， 反 之则不更新； (iv)以适应度值为指标， 采用轮盘赌方法选择下一代染色体， 并进行交叉和变异操作； 具体包括： 1)采用轮 盘赌方法选择 下一代染色体： 首先， 采用轮盘赌选择， 以召回率作为适应度函数的适应值， 计算每个个体适应度与所 有个体适应度之和的比值， 即每个个体被选中概率P(xi)； x为个体数的集合， xi表示x集合中 的第i个个体， f(xi)表示个体的适应度值， n 为个体的数量， 如式(I II)所示： 然后， 计算出累积概 率Q(xi)， 如公式(IV)所示： 随机生成一个数组m， 数组中的元素取值范围在0和1之间， 将数组中的元素按从小到大 的方式进行排序； 若累积概率Q(xi)大于数组中的元素m[i]， 则个体x(i)被选中， 若小于m [i]， 则比较下一个 个体x(i+1)直至 选出一个 个体为止； 2)交叉和变异操作： 交叉是指单点交叉， 单点交叉的实现步骤为： 首先， 将父代染色体进行存储， 选择一个父代染色体， 随机产生一个0 ‑1的随机值， 如果 小于设定的交叉概 率0.8， 则该 父代染色体进行交叉； 然后， 随机在种群中选择一个个体， 随机生成一个0到26的数字， 即为染色体交叉的位 置， 将父代染色体和选择后的种群染色体在选 定的位置进行基因 交换， 即完成单点交叉； 重复以上 单点交叉的实现步骤， 遍历所有的父代染色体； 变异的实现步骤为： 对于交叉变异后的种群， 选取一个个体， 随机产生一个0和1之间的 数， 如果小于变异的概率0.09， 则进行变异， 随机生成一个0到26的数字， 作为变异的位置， 再将该染色体该位置上的0 置换成1或1置换成0； 重复该 过程， 直到遍历所有的个 体； (v)重复执行步骤(iii)至步骤(iv)直至迭代若干次后停止， 得到构 建好的流失预警模 型。 7.根据权利要求1所述的一种基于机器学习的客户流失预警方法， 其特征在于， 获取数 据集， 包括： 数据集是指4S店客户进店信息数据； 预处理包括汇总处 理以及异常值、 缺失值、 归一 化处理和样本不均衡处 理； 进一步优选的， 汇总处 理， 包括： Step1： 删除4S店客户进店信息数据即原始数据D中的无关信息特征， 对其它特征按编 号命名； Step2： 筛选出底盘号的个数， 通过底盘号为索引来检索原始数据D中客户信息， 每个底 盘号得到相应的客户信息词条； Step3： 将检索到的客户信息进行处理， 筛选出最小进店日期、 最大进店日期、 最大行驶 里程、 最小购车日期、 最大累计维修次数、 最大年龄、 最大性别、 最大客户级别、 最大本公司权　利　要　求　书 2/3 页 3 CN 115526652 A 3