随着社会经济的快速发展,电信行业日趋成熟,行业竞争愈演愈烈,各大运营商逐渐将重点转向以客户为中心,突出客户在运营商中的地位,而如何减少客户的流失以及及时的挽回客户将变得尤为关键。随着人工智能的迅猛发展,将人工智能技术应用到电信行业的客户分析中,可以有效降低电信行业的运营成本,提升客户的保持率。目前大部分研究中使用的都是传统的机器学习方法,需要对数据进行大量的预处理工作,特别是在特征工程上需要花费大量的时间和精力,随着客户数量的爆炸式增长,传统机器学习方法已经无法满足大数据下的电信客户的分析需求。而深度学习通过模拟人脑的思维方式,学习样本数据的内在规律和表示层次,能够自动学习较好的数据特征,在文本、图像、语音等方面都取得了显著的效果。本文研究的重点是从某电信公司获取客户信息、账户信息以及增值业务等行为数据,在经过数据预处理包括缺失值处理、数值化、归一化以及均衡化之后,使用深度学习算法,通过对电信客户的行为数据构建深层神经网络模型进行客户的流失预测,与经过人工特征选择的逻辑回归、支持向量机(SVM)模型进行了对比。针对深层神经网络层数过深,容易导致梯度消失的问题,使用Batch_Noramlization代替DropOut,并且在深层神经网络中增加了直连通道,进一步防止了由于层数过深导致的梯度消失问题。实验仿真结果表明,深度学习方法相较于传统的机器学习方法具有较好的预测效果。