典型文献
基于营销大数据的电力客户多维度信用评价模型研究
文献摘要：
随着电网客户量的迅速增长,如何对电力客户进行准确的信用评价成为了一个重要问题,构建一个可以准确预测客户信用的模型是电力营销部门需要解决的关键问题.本文通过对已知信用评价模型的研究,结合集成学习思想,构建了一种基于XGB算法的客户多维信用评价模型,该模型通过采用多维度的营销数据,并基于特征重要度方法进行特征选择,采用极限梯度提升方法以及树模型对客户信用进行模型构建,计算不同节点上不同的增益值来获取最佳的预测效果,从而构建一个准确、稳定的客户信用评价模型.在经过客户历史数据进行模拟分析后,得出了客户信用评价结果,并与目前主流的机器学习算法包括基于梯度下降算法与基于树的传统算法进行比较,结果表明,与Logistic回归和其他3种基于树的模型相比,XGB模型不论是特征选择的准确性还是其分类性能都具有明显的优势.
文献关键词：
客户信用评价;极限梯度提升;树模型;集成学习
中图分类号：
作者姓名：
刘翠玲;胡聪;王鹏;洪德华;张庭曾
作者机构：
国网安徽省电力有限公司 信息通信分公司,合肥 236000
文献出处：
引用格式：
[1]刘翠玲;胡聪;王鹏;洪德华;张庭曾-.基于营销大数据的电力客户多维度信用评价模型研究)[J].西南大学学报（自然科学版）,2022(06):198-208
A类：
客户信用评价
B类：
信用评价模型,准确预测,电力营销,营销部门,合集,集成学习,学习思想,XGB,营销数据,特征重要度,特征选择,极限梯度提升,提升方法,树模型,增益值,过客,历史数据,机器学习算法,梯度下降算法,传统算法,不论是,分类性能
AB值：
0.264453
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
