随着5G技术的发展,国内外运营商相继启动5G商用服务。国内“十三五”规划纲要提及积极推进5G商用,各省、市地方政府相继出台发展政策,国内三大运营商积极进行网络部署,在众多城市推广5G商用套餐。本文选取某电信运营商的用户数据进行训练,基于国内外研究基础,旨在建立潜在5G用户的识别模型。研究内容主要包括两方面:第一,对有大量类别型特征和存在数据不平衡问题的数据集进行训练。在对比了多类型大量的不平衡数据处理方法后,本文创新性地提出基于集成学习,将随机欠采样嵌入Catboost算法的RUSCatboost模型。随机欠采样解决数据不平衡问题,Catboost可以自动处理类别型特征及其特征组合。以AUC、F1值和混淆矩阵作为评价标准,在保证模型未发生过拟合的情况下,RUSCatboost模型对数据不平衡问题的处理效果优于绝大多数方法。因此RUSCatboost模型对具有以上两个特点的数据集训练能得到稳定且较优的结果。第二,建立潜在5G用户的识别模型。首先基于相关性分析发现因变量与用户使用行为、消费行为等指标相关性较强,得出内部因素使用行为是决定用户是否开通5G的关键。在模型构建前,利用分箱提高连续型变量的可解释性;对38个同类特征分4组处理构造新特征,利用综合指标替代相关性低的变量,减少模型复杂度和训练时间;基于RFM模型思想建立用户价值指标,其中新建立的指标中有7个位于特征重要性排序的前30名。利用随机森林、Xgboost和Catboost分别训练样本并选择各自最佳不平衡数据处理方法建立模型。相较于已有研究,本文的模型分类准确率有了显著提升。