SaCa RealRec客户挖掘案例分析：中国银行客户流失(6)

客户挖掘案例分析,中国银行

召回率为1770/2381=74.3%

Mahout模型

利用mahout-examples-0.7-cdh5.1.0-job.jar包内的随机森林算法（决策树的一种），主要步骤如下：

1. 原始数据处理，过滤原始数据中数据不全的用户，并按照可设置的比例分配建模数据和测试数据，由于流失用户数据过少，在建模数据中按照可设置的倍数复制该部分用户的数据。（该部分处理自己写程序实现）

2. 设置参数构建模型。流失客户召回率最高时的参数为

a) 建模测试数据比为9:1，流失客户数据放大倍数为20

b) 随机森林模型参数-p -sl 4 -t 40 -ms 50，其中

–p Optional, use the Partial Data implementation

–sl 每次随机选择属性的个数

–t 决策树的个数

–ms 树分枝上样本的个数的最小值

调整参数的过程中，流失客户的准确率和召回率变化情况如下

3. 编写程序用于实际处理。该部分本想直接在内存中加载模型进行预测，结果API没调用成功，用了另一种方式。即，将预测数据加上类别标签，当作建模过程中的测试数据，相当于又做了一次“测试”，程序会将各个客户的预测类型输出到HDFS上。