重庆理工大学学报2021，Vol.35Issue(8) ：136-143.DOI:10.3969/j.issn.1674-8425(z).2021.08.018

生成对抗网络的银行不平衡客户流失预测研究

Study on the Prediction of Imbalanced Bank Customer Churn Based on Generative Adversarial Network

李波 谢玖祚
重庆理工大学学报2021，Vol.35Issue(8) ：136-143.DOI:10.3969/j.issn.1674-8425(z).2021.08.018
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

生成对抗网络的银行不平衡客户流失预测研究

Study on the Prediction of Imbalanced Bank Customer Churn Based on Generative Adversarial Network

李波 1谢玖祚1
扫码查看

作者信息

  • 1. 重庆理工大学 计算机科学与工程学院, 重庆 400054
  • 折叠

摘要

对于常用机器学习分类算法在不均衡数据上分类性能较差的问题,提出了一种基于生成对抗网络(GAN)的不平衡数据分类策略.所提出的策略首先利用生成对抗网络通过训练生成少数类样本,改善样本不均衡问题.使用机器学习分类器对改善后的数据集进行分类,提升该模型的分类性能.实验使用了商业银行客户数据集,采用Precision、F-mean等作为度量指标,并与SMOTE等传统数据不均衡处理方法进行对比.实验结果表明:对于不平衡数据集的二分类问题,提出的GAN模型在银行客户流失分类问题中具有可行性和适应性.最终取得了良好的度量效果,有很强的适用性及应用价值.

关键词

生成对抗网络/不均衡分类/二分类/Precision/F-mean

引用本文复制引用

基金项目

出版年

2021
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
被引量5
参考文献量3
段落导航相关论文