来源：期刊VIP网 时间：
作者：吕宁;罗倩;
单位：北京信息科技大学信息与通信工程学院;
摘要：为应对大规模、高维度且分布不均衡的企业数据环境下客户流失预测难题，文中提出一种融合极端梯度提升树与逻辑回归（XG-LR）的集成学习算法。该方法利用XGBoost算法构建决策树集成，将样本在树结构中的叶节点映射为新特征并输入LR模型，实现树模型非线性特征提取能力与LR模型解释性优势的有效结合。实验结果表明，在Teclo电信流失数据集上，XG-LR算法的预测精确率达到94.55%，较传统统计学习方法有显著提升。该模型可为企业客户关系管理提供高精度的流失预警工具，支持数据驱动的客户价值评估与营销策略优化。
关键词：客户流失预测;;统计学习模型;;极端梯度提升树;;逻辑回归;;特征转换;;数据平衡;;特征提取
基金资助：企业委托项目(S1626046)
