随着数据挖掘技术的不断演化和快速发展,数据挖掘已经被越来越多的人们认可和应用到众多的研究领域之中。在电信客户流失预测的研究中,数据挖掘就是以历史数据和当前数据为基础,找到一种或多种数据挖掘算法,建立相应的模型方法,进而挖掘出数据之间存在的关系,根据各数据之间的关联规则,利用该数据挖掘技术对电信运营商的流失客户进行预测,进而为运行商的决策者提供建设性建议,挽留潜在流失客户,使得运行商的效益更高。本文主要运用现有的数据挖掘技术,对电信客户进行分析和预测,并结合组合模型理论方法将单一预测模型组合,达到提高预测精度的目的。文中选取决策树、神经网络、SVM和Logistic回归,四种经典的数据挖掘预测方法,利用SPSS Clementine数据挖掘软件对比分析各个预测方法的精确度,最后运用加权法将模型进行组合,最终达到预测精度提高的目的。此组合模型集成了几种模型的优点,研究结果表明,预测结果精确度得到提高,同时可靠性也提高。本文的主要创新点为:为了更能精确反应用户特征,本文运用粗糙集算法对用户的多个属性进行筛选。考虑单一预测模型自身存在的缺陷,本文将决策树、SVM、神经网络和Logistic回归法,运用层次分析法线性组合成一个综合预测模型,以提高整体预测精度。实验结果表明,组合预测模型的精度远远大于单一预测模型的精度和其他组合预测模型的预测精度。