2008年中国电信业重组后,经历了3G时代以及4G时代的发展,电信市场的竞争也越来越激烈。用户已经是每个运营商争相抢夺的资源,但是由于电信市场日趋饱和,运营商逐渐意识到挽留在网用户比发展新用户要节约大量成本。因此,如何减少用户流失已经成为重要工作之一。目前,数据挖掘逐渐成为了被广泛认可的发现电信用户流失的工具。它是从电信的大量而复杂的历史数据中,利用数据挖掘算法,发现用户流失的规律,进而对将要流失的用户进行挽留,以达到防止用户流失目的。然而,目前用户流失主要关注于业务、费用、投诉、网络故障等方面。因此本文提出以最能贴近用户行为的用户LTE上网数据为研究内容,本文所用到的数据以日为单位,不同于以往的以月为单位的行为数据,更能反映出用户的行为变化规律。本文以用户LTE上网变化数据为需要分析的数据,并通过运用K-Means算法、FCM算法以及朴素贝叶斯算法、BP神经网络算法和C4.5决策树算法分别对数据进行研究。本文的主要工作包括：1)提取电信LTE用户上网行为数据,数据字段包括用户每日上网频次；每日使用上行流量大小；每日使用下行流量大小；每日上网时长和上网的具体日期。2)对提取的数据进行预处理。3)采用Matlab工具,分别实现K-Means算法和FCM算法对数据的聚类并研究两种算法之间的性能,得到更准确的流失用户的用户特征。4) 最后通过朴素贝叶斯算法、BP神经网络算法和C4.5决策树算法三种算法分别对电信用户LTE上网变化数据进行预测的对比试验,分析三种算法的效率和准确率。根据评估结果,进行分析并得到电信用户流失预警的最佳解决方案。本文以上海电信的用户LTE上网数据和数据挖掘相结合,进而分析用户流失的原因和影响指标,为客户提供个性化的挽留方案,减小用户的流失率。