基于KELM-AE的客户流失预测模型

摘要：

利用极限学习机,只需设置初始隐藏层节点个数,无需动态调整网络输入的权重及偏置即可得出全局最优解.加入核函数减小极限学习机中易受极端随机设定值影响,模型可以进行自编码网络本身无监督学习,具有对离散数据特征提取能力以及特征表达的鲁棒性.进行了Kaggle两份公开数据集验证仿真.

关键词：客户流失预测、极限学习机、核函数、自编码器

所属期刊栏目：41

分类号：TP183(自动化基础理论)

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：454-460