(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211065023.1 (22)申请日 2022.09.01 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 张钰娜　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 张雪娇 (51)Int.Cl. G06K 9/62(2022.01) G06Q 40/02(2012.01) (54)发明名称 客户流失预测方法及 装置、 存储介质及电子 设备 (57)摘要 本申请公开了一种客户流失预测方法及装 置、 存储介质及电子设备， 可应用于金融领域或 其他领域， 包括： 对采集的样本数据集中的各个 样本数据进行标准化处理， 得到各个标准样本数 据； 使用PCA算法对各个标准样本 数据进行处理， 提取各个特征数据； 使用各个特征数据对初始的 预测模型进行训练， 得到训练完成的预测模型； 将待预测客户数据输入训练完成的预测模型中， 使得该预测模型调用基学习器和次级学习器对 待预测客户数据进行处理， 输出客户流失预测结 果。 本发明使用Stacking集成算法构建预测模 型， Stacking集成算法可以集成多种预测的算 法， 由此使用多种预测的算法对客户流失进行预 测， 减少预测的误差， 提高预测的结果的准确率。 权利要求书2页 说明书10页 附图5页 CN 115392388 A 2022.11.25 CN 115392388 A 1.一种客户流失预测方法， 其特 征在于， 包括： 采集样本数据集， 所述样本数据集中包 含多个样本数据； 对所述样本数据集中的各个样本数据进行 标准化处理， 得到各个标准样本数据； 使用预设的PCA算法对各个所述标准样本数据进行处 理， 提取各个特征数据； 使用各个所述特征数据对初始 的预测模型进行训练， 得到训练完成的预测模型， 所述 预测模型中包含使用Stacking集成算法构建的基学习器和 使用Logistic回归算法构建的 次级学习器； 将待预测客户数据输入训练完成的预测模型中， 使得该预测模型调用基学习器和次级 学习器对所述待预测客户数据进行处 理， 输出客户流失预测结果。 2.根据权利要求1所述的方法， 其特征在于， 所述对所述样本数据集中的各个样本数据 进行标准化处理， 得到各个标准样本数据， 包括： 对所述样本数据集中的各个样本数据进行缺失值处 理， 得到各个第一处 理数据； 使用预设的One ‑hot编码对各个所述第一处 理数据进行处 理， 得到各个第二处 理数据； 对各个所述第二处 理数据进行归一 化处理， 得到各个第三处 理数据； 使用预设的SMOTE算法对各个所述第三处 理数据进行处 理， 得到各个标准样本数据。 3.根据权利要求2所述的方法， 其特征在于， 所述对所述样本数据集中的各个样本数据 进行缺失值处 理， 得到各个第一处 理数据， 包括： 统计所述样本数据集中存在缺失值的样本数据的数目， 并判断所述存在缺失值的样本 数据的数目是否小于预设数值； 当所述存在缺失值的样本数据的数目小于所述预设数值 时， 将各个存在缺失值的样本 数据从所述样本数据集中删除， 并将所述样本数据集中剩余的各个样本数据均确定为第一 处理数据； 当所述存在缺失值的样本数据的数目不小于所述预设数值 时， 将各个所述存在缺失值 的样本数据均确定为第一类数据， 将所述样本数据集中的剩余的各个样本数均确定为第二 类数据； 对各个所述第一类数据进行插补处 理， 得到各个第三类数据； 将各个所述第三类数据和各个所述第二类数据均确定为第一处 理数据。 4.根据权利要求1所述的方法， 其特 征在于， 还 包括： 基于所述 客户流失预测结果， 确定客户流失占比； 判断所述 客户流失占比是否大于预设占比； 当所述客户流失占比大于所述预测占比时， 将所述客户流失预测结果向预设的工作 人 员反馈； 当所述客户流失占比不大于所述预设占比时， 将所述客户流失预测结果保存至预设的 预测结果数据库。 5.一种客户流失预测装置， 其特 征在于， 包括： 采集单元， 用于采集样本数据集， 所述样本数据集中包 含多个样本数据； 处理单元， 用于对所述样本数据集中的各个样本数据进行标准化处理， 得到各个标准 样本数据； 提取单元， 用于使用预设的PCA算法对各个所述标准样本数据进行处理， 提取各个特征权　利　要　求　书 1/2 页 2 CN 115392388 A 2数据； 训练单元， 用于使用各个所述特征数据对初始 的预测模型进行训练， 得到训练完成的 预测模型， 所述预测模型中包含使用Stacking算法构建的基学习器和使用Logistic回归算 法构建的次级学习器； 输出单元， 用于将待预测客户数据输入训练完成的预测模型中， 使得该预测模型调用 基学习器和次级学习器对所述待预测客户数据进行处 理， 输出客户流失预测结果。 6.根据权利要求5所述的装置， 其特 征在于， 所述处 理单元， 包括： 第一处理子单元， 用于对所述样本数据集中的各个样本数据进行缺失值处理， 得到各 个第一处 理数据； 第二处理子单元， 用于使用预设的One ‑hot编码对各个所述第一处理数据进行处理， 得 到各个第二处 理数据； 第三处理子单元， 用于对各个所述第二处理数据进行归一化处理， 得到各个第三处理 数据； 第四处理子单元， 用于使用预设的SMOTE算法对各个所述第三处理数据进行处理， 得到 各个标准样本数据。 7.根据权利要求6所述的装置， 其特 征在于， 所述第一处 理子单元， 包括： 统计模块， 用于统计所述样本数据集中存在缺失值的样本数据的数目， 并判断所述存 在缺失值的样本数据的数目是否小于预设数值； 删除模块， 用于当所述存在缺失值的样本数据的数目小于所述预设数值时， 将各个存 在缺失值的样本数据从所述样本数据集中删除， 并将所述样本数据集中剩余的各个样本数 据均确定为第一处 理数据； 第一确定模块， 用于当所述存在缺失值的样本数据的数目不小于所述预设数值时， 将 各个所述存在缺 失值的样本数据均确定为第一类数据， 将所述样本数据集中的剩余的各个 样本数均确定为第二类数据； 插补处理模块， 用于对各个所述第一类数据进行插补处 理， 得到各个第三类数据； 第二确定模块， 用于将各个所述第 三类数据和各个所述第 二类数据均确定为第 一处理 数据。 8.根据权利要求5所述的装置， 其特 征在于， 还 包括： 确定单元， 用于基于所述 客户流失预测结果， 确定客户流失占比； 判断单元， 用于判断所述 客户流失占比是否大于预设占比； 反馈单元， 用于当所述客户流失占比大于所述预设占比时， 将所述客户流失预测结果 向预设的工作人员反馈； 保存单元， 用于当所述客户流失占比不大于所述预设占比时， 将所述客户流失预测结 果保存至预设的预测结果数据库。 9.一种存储介质， 其特征在于， 所述存储介质包括存储的指令， 其中， 在所述指令运行 时控制所述存 储介质所在的设备 执行如权利要求1 ‑4任意一项所述的客户流失预测方法。 10.一种电子设备， 其特征在于， 包括存储器， 以及一个或者一个以上的指令， 其中一个 或者一个以上指令存储于存储器中， 且经配置以由一个 或者一个以上 处理器执行如权利要 求1‑4任意一项所述的客户流失预测方法。权　利　要　求　书 2/2 页 3 CN 115392388 A 3