随着互联网技术的高速发展,中国已经进入到互联网时代,各个互联网公司、企业已经积累了TB级甚至PB级的用户数据,这些数据作为互联网公司的巨大财富,加以利用,可以给公司有效节约成本、增加收入。因此如何挖掘出隐藏在数据中的某种规律,显得十分重要。数据挖掘技术是是通过数学模型方法对数据进行拟合,利用计算机技术去实现模型,最后反馈到业务实施建议上的技术。在客户流失预测方面,有很多数据挖掘的分类算法可以有用武之地。本文针对国内社交平台新浪微博的会员数据,利用数据挖掘中的分类预测算法,对会员流失进行预测。基于2015年4月2日至8日会员身份即将到期的26171位微博会员用户的数据,首先利用k-means聚类,选用用户属性和主动行为数据作为特征,对用户进行细分,找出了价值较高的用户群体。对于本文的不平衡样本集,对样本量较少的类别采用有放回重复抽样的方法。然后选用70%的样本作为训练集,利用逻辑回归、决策树C5.0、神经网络分类预测模型,对会员是否流失做出预测,其中逻辑回归在ROC曲线和提升图上均表现地比决策树C5.0要好。之后引入代价敏感学习,对于将流失用户预测为非流失会员用户加大了代价,改进决策树C5.0,预测出了流失用户名单,用于企业挽留措施的目标群体。