随着中国移动业务种类以及用户量的急剧上升,如何科学的对用户进行划分以及分析消费行为习惯,并针对性地提供合适的业务产品显得尤为重要。基于此本文提出了一套基于粗糙集进行高维数据的特征提取并结合随机森林算法构建中国移动用户分类模型的方法体系,与经典的随机森林模型进行对比分析,表明该模型的预测准确率以及分类精度都有较大的提升,同时以实际用户进行测试,也证实了此方法体系更适合中国移动的实际客观需求。本文在随机森林的理论基础上,对其定义、性质、基分类器、泛化误差和分类性能等进行了分析与总结,并详细的论证了收敛性、泛化误差界以及OOB估计。然后以中国移动用户数据为例,采用特征提取算法对移动用户高维数据进行降维处理,再结合随机森林算法构建用户分类模型,并针对分类结果分析各类用户的消费行为习惯。实验结果表明该模型的分类准确率达到81.12%,跟经典的随机森林模型相比,准确率也提升了3%-4%。证实了本文所构建的模型的可行性和科学性。针对最终分类结果,研究其消费行为习惯。高价值高流量的用户:主要分布在县内的街道;平均3个月话费超过50元;通话时长大于60分钟;平均3个月流量大于900M。因此为了满足通话和流量的双重需求,为他们推荐全球通套餐。高价值低流量用户:主要分布在县内街道和附近镇;月均通话费用超过50元;月均通话时长大于60分钟;平均流量小于100M。基于此,为其推荐数据普通卡和神州行实惠卡。低价值低流量用户:由于对通话和流量都没有强烈的需求,他们只希望能保持正常接听电话和短信,为此推荐月租较少的大众卡。整个论文体系为中国移动的经营决策提供了一种新的思路。