标签
本文提出了一种适用于非契约服务环境的滚动窗口客户流失预测框架，利用30天的行为窗口实现持续风险评估。基于真实数据的评估显示，基于特征的模型达到了87.6%的准确率和0.94的ROC-AUC，而基于序列的模型召回率高达96.1%。
本文评估了传统机器学习技术（随机森林、XGBoost、支持向量机）与深度学习模型（统一多任务时间序列模型）在零售客户流失预测中的表现，发现传统方法在预测性能和效率上可以更胜一筹。