论文部分内容阅读
数据完备性是基于数据驱动的分析方法的一个重要的前提，不完备的数据意味着很可能会丢失重要的判别信息，从而影响分析结果的准确性。针对现实情况下客户数据特征不同以及数据的不完备性对传统的基于数据驱动的分析方法的不利影响，本文将机器学习领域中迁移分类的方法应用于客户流失预测，通过谱特征排列（spectralfeaturealignment，SFA）实现了跨领域属性的近似统一，并利用直推式支持向量机（transductivesupportvectormachines，TSVM）对客户数据进行分类从而识别忠诚客户和流