論文の概要: ChurnNet: A Optimized Modern AI for Churn Prediction

• arxiv url: http://arxiv.org/abs/2606.00169v1
• Date: Fri, 29 May 2026 12:53:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.086261
• Title: ChurnNet: A Optimized Modern AI for Churn Prediction
• Title（参考訳）: ChurnNet: チャーン予測のための最適化されたモダンAI
• Abstract要約: 本研究では,従来の機械学習技術であるランダムフォレスト,XGBoost,サポートベクトルマシンの性能を評価し,それらを統合マルチタスク時系列モデルと比較した。 複雑な時間的ダイナミクスと相互変数の関係をモデル化する上で,後者の強い能力にもかかわらず,従来の手法では,予測性能,データ効率,計算資源の要件などの観点からも,従来よりも優れた性能が得られることが示唆された。
• 参考スコア（独自算出の注目度）: 5.360634819290606
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Increased competition and the growing similarity of products and services offered by retailers have lowered the barriers for customers to switch to competitors. Accurate churn prediction can be a valuable tool for driving effective personalized marketing campaigns and helping to reduce customer attrition. This study evaluates the performance of traditional machine learning techniques, namely, Random Forests, XGBoost, and Support Vector Machines, and compares them with the Unified Multi-Task Time Series Model for churn prediction, a binary time-series classification task. Despite the strong capacity of the latter to model complex temporal dynamics and inter-variable relationships, our results indicate that for churn prediction, conventional methods can still outperform it in terms of predictive performance, data efficiency, and computational resource requirements for training and deployment. These findings are consistent across multiple datasets and various churn labeling techniques.
• Abstract（参考訳）: 競争の激化と、小売店が提供する製品やサービスの類似性の増加により、顧客は競合相手に乗り換える障壁を減らしている。 正確なチャーン予測は、効果的なパーソナライズされたマーケティングキャンペーンを推進し、顧客の誘惑を減らすための貴重なツールとなる。 本研究では,従来の機械学習技術であるランダムフォレスト,XGBoost,サポートベクトルマシンの性能を評価し,二項時系列分類タスクであるチャーン予測のための統一マルチタスク時系列モデルと比較する。 複雑な時間的ダイナミクスと相互変数の関係をモデル化する上で,後者の強い能力にもかかわらず,従来の手法では,予測性能,データ効率,計算資源の要件などの観点からも,従来よりも優れた性能が得られることが示唆された。 これらの発見は、複数のデータセットと様々なチャーンラベル技術で一致している。

関連論文リスト

• Are Gradient Boosting Models Suitable for Intermittent Demand Forecasting? [0.6531546527140474]
  本稿では,予測性能を向上させるため,勾配向上モデルの可能性について検討する。 統計的、特殊、機械学習、アンサンブルのアプローチを複数のデータセットで評価する。
  論文  参考訳（メタデータ） (2026-09-13T18:23:23Z)
• TAT: Temporal-Aligned Transformer for Multi-Horizon Peak Demand Forecasting [51.37167759339485]
  本稿では,アプリロリで知られたコンテキスト変数を利用して予測性能を向上させるマルチホライゾン予測器であるTemporal-Aligned Transformer (TAT)を提案する。 我々のモデルはエンコーダとデコーダで構成されており、どちらもピーク需要予測のためのコンテキスト依存アライメントを学習するための新しい時間アライメントアテンション(TAA)を組み込んでいる。 以上の結果から,TATはピーク需要予測において30%の精度を実現し,他の最先端手法と比較して総合的な性能を維持した。
  論文  参考訳（メタデータ） (2025-07-14T14:51:24Z)
• Comparative Analysis of Modern Machine Learning Models for Retail Sales Forecasting [0.0]
  予測が販売水準を過小評価すると、企業は販売、不足、そして関連する市場での小売業者の評判に影響を及ぼす。 本研究は,高解像度のレンガとモルタルの小売データセットに適用した予測モデルを徹底的に評価する。
  論文  参考訳（メタデータ） (2025-06-06T10:08:17Z)
• Inter-Series Transformer: Attending to Products in Time Series Forecasting [5.459207333107234]
  我々は,共有マルチタスク毎の時系列ネットワークを用いたトランスフォーマーに基づく新しい予測手法を開発した。 医療機器製造会社における需要予測の改善に本手法を適用したケーススタディを提案する。
  論文  参考訳（メタデータ） (2024-08-07T16:22:21Z)
• Probabilistic Forecasting of Real-Time Electricity Market Signals via Interpretable Generative AI [41.99446024585741]
  Weak Innovation AutoEncoderをベースとしたGenerative Probabilistic ForecastingアーキテクチャであるWIAE-GPFを提案する。 構造収束を保証する新しい学習アルゴリズムを提案し、生成した予測サンプルが基底真理条件付き確率分布と一致することを保証した。
  論文  参考訳（メタデータ） (2024-03-09T00:41:30Z)
• Early Churn Prediction from Large Scale User-Product Interaction Time Series [0.0]
  本稿では,歴史的データを用いたユーザチャーン予測に関する徹底的な研究を行う。 我々は,顧客満足度予測モデルを作成し,企業の誘惑傾向の理解と効果的な保留計画の策定を促進することを目的としている。
  論文  参考訳（メタデータ） (2023-09-25T08:44:32Z)
• Improved Bayes Risk Can Yield Reduced Social Welfare Under Competition [99.7047087527422]
  本研究は,機械学習のスケーリングトレンドの振る舞いを根本的に変化させることを実証する。 データ表現品質の改善により、ユーザ間での全体的な予測精度が低下する、多くの設定が見つかる。 概念レベルでは,各モデルプロジェクタのスケーリング傾向が,社会福祉の下流改善に寄与する必要はないことが示唆された。
  論文  参考訳（メタデータ） (2023-06-26T13:06:34Z)
• Interpretable Deep Learning for Forecasting Online Advertising Costs: Insights from the Competitive Bidding Landscape [1.0923877073891446]
  本稿では,オンライン広告市場における日平均CPCの予測に様々な時系列予測手法を用いた総合的研究について述べる。 時間融合変換器(TFT)を含む統計モデル,機械学習技術,深層学習手法の性能評価を行った。
  論文  参考訳（メタデータ） (2023-02-11T19:26:17Z)
• Approaching sales forecasting using recurrent neural networks and transformers [57.43518732385863]
  深層学習技術を用いて,日・店・店レベルでの顧客販売予測問題に対処する3つの方法を開発した。 実験結果から,データ前処理を最小限に抑えた単純なシーケンスアーキテクチャを用いて,優れた性能を実現することができることを示す。 提案した解は約0.54の RMSLE を達成し、Kaggle コンペティションで提案された問題に対する他のより具体的な解と競合する。
  論文  参考訳（メタデータ） (2022-04-16T12:03:52Z)
• Test-time Collective Prediction [73.74982509510961]
  マシンラーニングの複数のパーティは、将来のテストポイントを共同で予測したいと考えています。 エージェントは、すべてのエージェントの集合の集合的な専門知識の恩恵を受けることを望んでいるが、データやモデルパラメータを解放する意思はないかもしれない。 我々は、各エージェントの事前学習モデルを利用して、テスト時に集合的な予測を行う分散型メカニズムを探索する。
  論文  参考訳（メタデータ） (2021-06-22T18:29:58Z)
• Federated Learning with Unreliable Clients: Performance Analysis and Mechanism Design [76.29738151117583]
  Federated Learning(FL)は、分散クライアント間で効果的な機械学習モデルをトレーニングするための有望なツールとなっている。 しかし、低品質のモデルは信頼性の低いクライアントによってアグリゲータサーバにアップロードすることができ、劣化やトレーニングの崩壊につながる。 クライアントの信頼できない振る舞いをモデル化し、このようなセキュリティリスクを軽減するための防御メカニズムを提案する。
  論文  参考訳（メタデータ） (2021-05-10T08:02:27Z)
• Topology-based Clusterwise Regression for User Segmentation and Demand Forecasting [63.78344280962136]
  本研究は,パブリックおよび新規な商用データ集合を用いて,アナリストがユーザベースをクラスタリングし,詳細なレベルで需要を計画できることを示す。 本研究は,TDAに基づく時系列クラスタリングと行列因数分解法によるクラスタ回帰を実践者にとって実行可能なツールとして導入することを目的とする。
  論文  参考訳（メタデータ） (2020-09-08T12:10:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。