随着国内外电信市场竞争的加剧,客户流失现象成为企业关注的问题之一。面对日益严重的客户流失状况,电信企业需要用数据挖掘技术来分析客户的流失特性,以便采取措施挽留有价值的客户,从而减少客户流失以降低企业的经济损失。因此电信客户流失预测已成为电信行业面临的重要问题。本文重点研究数据挖掘中的朴素贝叶斯分类算法,并将该算法应用到电信行业的客户流失分析中。其主要内容如下:(1)针对属性冗余而导致朴素贝叶斯分类性能降低这一问题,提出了一种改进的选择性朴素贝叶斯算法。该算法先按照属性信息增益值的大小对属性进行排序,然后再对属性进行选择,从而提高了分类的准确率。(2)针对不同级别、不同数量的客户离网后给电信企业带来的离网预测的问题,提出了一种基于最大价值量的朴素贝叶斯算法。该算法通过建立价值量的概念,调整价值敏感属性的价值系数因子,使得离网客户名单中的价值量达到最大。实验仿真结果表明该算法在保持一定的准确率的同时,能预测更多高价值的离网客户。(3)以上述两算法为基础,数据挖掘过程为线索,构建了电信客户流失预测模型。该模型通过改进的选择性朴素贝叶斯算法对属性进行选择,然后利用基于最大价值量的朴素贝叶斯算法进行分类预测,实验仿真结果表明该模型具有较好的分类预测性能。