《表2 核函数：融入客户价值特征和情感特征的网络客户流失预测研究》

  提示：宽带有限、当前游客访问压缩模式

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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:x表示输入数据，z表示样本的属性。

实证分别采用SVM、ANN、Logistic回归、朴素贝叶斯、决策树5种分类算法构建预测模型。其中，用LRFMS代表未融入客户评论情感特征的模型，LRFMSE代表融入客户评论情感的模型。对于预测方法中SVM的核函数参数C和γ，采用网络搜索法。即根据先验知识在一个较大的步距范围内进行搜索，选择分类准确率最高的一组C和γ，当参数选择过程中有多组参数能达到最高时，选择参数C最小的那组参数（C过大会出现过拟合现象）。在选择的这组参数步距取值附近选择一个较小区间，采用小步距进行搜索，最终找到满意的参数，从而优化和修正模型结构，使预测结果满意。本研究主要采用径向基核函数、多项式核函数、线性核函数和Sigmoid核函数（见表2）。