《表4 LRFMSE模型在不同核函数的预测结果》
本系列图表出处文件名:随高清版一同展现
《融入客户价值特征和情感特征的网络客户流失预测研究》
融入客户评论情感打分后,LRFMSE在不同核函数的表现见表4。由表4可知:(1)在命中率上,4种不同的核函数均有较高的结果,其中径向基核函数的命中率最高,但覆盖率低,说明将非流失客户预测为流失客户的数量最少,即预测正确的非流失客户的数量最多;Sigmoid核函数与径向基核函数的情况类似,但覆盖率略高于径向基核函数,而命中率略低于径向基核函数,说明Sigmoid核函数预测正确的非流失客户的数量较多,仅次于径向基核函数;多项式核函数的命中率略低于线性核函数,但是覆盖率高出4.15%,说明多项式核函数预测正确的非流失客户的数量低于线性核函数。(2)在覆盖率上,多项式核函数的覆盖率最高,说明多项式核函数预测正确的流失客户最多;其次是线性核函数,说明其也能获得较多的预测正确的流失客户;其余两种核函数的SVM的覆盖率在50%左右,与前面两种相比,差距较大,说明这两种核函数有一半左右的流失客户没有预测正确,误差代价较大。(3)在准确率的表现上,多项式核函数、线性核函数同样优于径向基核函数和Sigmoid核函数,其中多项式核函数的准确率最高,说明多项式核函数的综合预测性能在4种核函数中最好;而径向基核函数和Sigmoid核函数的准确率在50%左右,说明基于径向基和Sigmoid函数的SVM与不使用预测模型的结果相比,没有任何优势。(4)在提升系数上,4种核函数的SVM的提升系数都略大于1,说明模型的整体提升效果明显。模型需要的是预测出正确的流失客户,相对来说,将非流失客户预测为流失客户的代价较小。由此,综合模型在4个评价指标上的表现,在4种核函数的SVM中,模型在基于多项式核函数的SVM上的表现最佳。
图表编号 | XD0021073000 严禁用于非法目的 |
---|---|
绘制时间 | 2018.03.01 |
作者 | 夏国恩、马文斌、唐婵娟、张显全 |
绘制单位 | 广西师范大学计算机科学与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |