刘天畅,王雷,朱庆华.基于SHAP解释方法的智慧养老服务平台用户流失预测研究[J/OL].数据分析与知识发现:1-18[2023-07-10].
摘要：[目的]构建智慧养老服务平台用户流失预测模型，并使用SHAP解释方法分析不同特征的影响。[方法]本研究基于智慧养老服务平台用户2019—2021年3年超过30万条社区居家养老服务订单数据，基于改进的RFM模型（RFM-MLP)、马斯洛需求层次理论、安德森模型并结合Boruta算法确定用户价值特征、服务选择特征、个人特征3类共11个特征。建立5种机器学习模型，从中选择效果最好的XGBoost模型预测用户流失，运用SHAP解释方法完成了特征影响全局解释、特征依赖分析、单样本解释分析。[结果]研究结果发现，模型预测结果准确率和F1-score均达到87%左右，家政服务购买次数、留存天数、年龄等是预测养老服务平台用户流失的重要特征。[局限]只选取了一个地区的数据进行分析，数据和算法复杂度上还有提升空间。[结论]SHAP解释方法可以兼顾机器学习预测模型的精度和解释性，有助于为智慧养老服务平台在运营策略和内容设计方面的优化提供依据。
关键词：智慧养老;用户流失;XGBoost;可解释性机器学习;SHAP;
基金项目：国家社科基金重大项目（项目编号：22&ZD327）； 江苏省高校哲学社会科学研究重大项目（项目编号：2021SJZDA044）
