随着移动业务分流的加重、固网市场竞争的加剧,国内的固网运营商面临着巨大的挑战,客户流失现象日益严重。老客户流失带来的损失以及获取新客户的困难使得固网运营商意识到实施客户流失预警以及客户挽留的重要性。本论文针对固网运营商对客户流失预警的迫切需求以及国内相关研究和应用较少的现象,展开固网运营商客户流失预警模型的研究。本文应用CRISP-DM数据挖掘过程方法论,结合固网运营商的业务特点,详细阐述了建立固网运营商客户流失预警模型的各个步骤:商业理解、数据理解、数据准备、建模和模型评价。同时,在总结固网运营商客户流失预警数据特点的基础上,指出了固网运营商客户流失预警的关键问题。特征变量的构造和特征变量的选取对客户流失预警模型的学习效率以及最终模型的准确性和稳定性有很大影响。在分析和比较了众多变量关系分析理论的基础上,本文引入受试者操作特征曲线(ROC曲线)和信息论中的互信息量的概念来建立特征变量选取机制及具体方法:删除无分类预测能力的特征变量(ROC曲线的AUC小于等于0.5的变量),对于高相关的特征变量,优先保留高分类预测能力的特征变量,删除低分类预测能力的冗余变量。建模方法是预测结果是否有效的关键。本文在创新模型TreeLogit的基础上提出了mSTree-Logistic模型。该模型通过对使用多个样本集分别训练出的多棵决策树预测函数进行逻辑回归来得到最终的预测函数。本文对某固网运营商一市级分公司的客户数据进行上述方法的实证应用。应用结果证明了上述方法的可行性和有效性。