20221211为论文添砖加瓦(1)_a survey on machine learning methods for churn pre

文章：

Louis Geiler, Séverine Affeldt, Mohamed Nadif. A survey on machine learning methods for churn prediction. International Journal of Data Science and Analytics, Springer Verlag, 2022, 14 (3), pp.217- 242. ff10.1007/s41060-022-00312-5ff. ffhal-03824873f

对于流失预测数据的研究流程：

 

        文章重点关注机器学习算法与采样方法的结合，在多个公开数据集中进行比较。

实验结果：特定采样方法下不同数据集在不同机器学习模型下的AUC值（蓝色框方法可换）；

 

1.结果揭示机器学习模型之间的互补行为*****；

 

2.通过Nemenyi测试和对应分析的可视化来总结实验结果，展现不同数据集与机器学习方法之间的关系*****；（也可以做同一数据集，采样方法与机器学习方法的对应关系）

 

 

3.最终指出能够成功应用于各种流失类数据集的流失分析思路。

集成方法与非集成方法的比较：

采样方法与机器学习算法的结合：

每个数据集的研究思路：