دانشجو: خانم مریم دولتی پیش حصاری
استاد راهنما: دکتر سیده لیلی میرطاهری
زمان: چهارشنبه ۰۷ مهر ماه ۱۴۰۰ ساعت: ۰۹:۰۰
لینک ورود به جلسه
چکیده:
آنالیز رفتار مشتری به معنی بررسی و تحلیل دادههای مربوط به آنها و شناسایی مشتریان هدف بوده و در کسبوکارهای مختلف استفاده میشود.بانکها باید بینش خوبی نسبت به اطلاعات خود داشته باشند تا بتوانند بهترین تصمیم را اتخاذ کنند. اما شناسایی اطلاعات یا دانش ارزشمند برای اتخاذ یک تصمیم عینی بسیار دشواراست. دادهکاوی از مهمترین ابزارهای مورد استفاده برای آنالیز رفتار مشتریان است که تبدیل به بخشی مهم و جدا ناپذیری از شرکتهای بزرگ و بانکها شده است و خدمات ارائه شده توسط آنها را بهبود میبخشد با دادهکاوی امکان شناسایی الگوهای مفید دادهها با حداقل دخالت کاربران وجود دارد. تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند. در دادهکاوی از آمار برای کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه دادهها استفاده میشود. از ابزارهای دادهکاوی برای تقسیمبندی مشتریان، اعتبارسنجی مشتریان جهت اعطای تسهیلات و تایید آنها، پیشبینی عدم پرداخت بدهیها، بازاریابی و شناسایی الگوهای کلاهبرداری و به طور کلی آنالیز رفتار مشتری استفاده میکنند. در این پروژه ما پس از بررسی مهمترین و پرکاربردترین الگوریتمهای دادهکاوی و به کمک الگوریتمهای یادگیری جمعی و بررسی پارامترهای مختلف در این الگوریتمها در نهایت با ترکیب الگوریتمهای نزدیکترین همسایگی، رگرسیون، درخت تصمیم و ماشین بردار پشتیبان با استفاده از معیار منحنی سطح زیر منحنی- مشخصهی عملکرد سیستم به۰.۹۵۱= AUC رسیدیم. زمان اجرای الگوریتم۲۰دقیقه و ۲۹ ثانیه میباشد. مهمترین مزیت استفاده از روشهای یادگیری جمعی بهبود میانگین عملکرد پیشبینی نسبت به هر عضوی در این گروه است. مکانیزم بهبود عملکرد در این روش اغلب با کاهش واریانس خطاهای پیشبینی شده توسط مدلهای شرکتکننده است. همچنین به کمک یادگیری عمیق و با استفاده از همین معیار به ۰.۹۳AUC= رسیدیم. زمان اجرا: ۸دقیقه و ۱۸ ثانیه میباشد. دادهها مربوط به یک بانک پرتغالی است که شامل ویژگی مرتبط با مشتری، محصول و ویژگیهای اقتصادی-اجتماعی است.
|