ارائه یک مدل ترکیبی به منظور پیش بینی رویگردانی مشتریان در صنعت بانکداری با استفاده از روش های داده کاوی [پايان نامه فارسي]
سمانه علیپور
| شناسگر رکورد: | ۱۶۱۵۷ |
| رشته تحصیلی: | سیستم های کلان |
| عنوان: | ارائه یک مدل ترکیبی به منظور پیش بینی رویگردانی مشتریان در صنعت بانکداری با استفاده از روش های داده کاوی |
| نويسنده: | سمانه علیپور |
| استاد راهنما : | دکتر عباس احمدی |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۳۹۹ |
| چکیده: | پیش بینی رویگردانی مشتریان یا به عبارتی شناسایی مشتریانی که احتمال قطع ارتباط و تعامل آن ها با کسب و کار وجود دارد، یکی از مباحث مهم در حوزه مدیریت ارتباط با مشتریان است. یکی از رویکردهای تحلیل و بررسی در این زمینه، استفاده از روش های مختلف یادگیری ماشین به منظور شناسایی این دسته از مشتریان است تا به این ترتیب تدابیر لازم برای بازگرداندن به موقع آن ها به سیستم و جلوگیری از قطع ارتباط کامل آن ها اندیشیده شود. در این پژوهش به منظور مدلسازی رفتار رویگردانی مشتریان در صنعت بانکداری و پیش بینی این دسته از مشتریان، مدلی مبتنی بر فرآیند کریسپ و داده کاوی ارائه شده است. این مدل از گام های زیر تشکیل شده است: پاکسازی و آماده سازی داده ها، مهندسی ویژگی ها (ایجاد ویژگی های جدید و انتخاب ویژگی های بهینه از میان آن ها)، مدلسازی داده ها با الگوریتم های منفرد و ترکیب مدل های پایه به دست آمده برای ساخت مدل تلفیقی و نیل به دقت بالاتر. در این راستا از الگوریتم های XGBoost، LightGBM و RandomForest، به عنوان الگوریتم های پایه استفاده شده و پس از به دست آوردن مدل های پایه حاصل از این الگوریتم ها، نتایج آن ها با استفاده از دو رویکرد stacking و blending با یکدیگر تلفیق شده اند تا به این ترتیب مدل بهینه پیش بینی رویگردانی مشتریان استخراج شود. نتایج حاصل از پیاده سازی الگوریتم های گفته شده نشان داده است که پیاده سازی رویکرد blending وزن دار بر مدل های پایه حاصل از مدلسازی داده هایی که از گام مهندسی ویژگی ها (ایجاد ویژگی های جدید و انتخاب ویژگی های بهینه) به دست آمده اند، بهترین نتیجه را در مقایسه با الگوریتم های پایه و سایر رویکردهای تلفیقی مانند stacking داشته و می توان از آن به عنوان مدل بهینه جهت شناسایی مشتریان رویگردان در کسب و کار استفاده نمود. |
| واژگان کلیدی: | مهندسی صنایع |
| سیستمهای اقتصادی و اجتماعی | |
| پیش بینی رویگردانی مشتری | |
| داده کاوی | |
| مدیریت ارتباط با مشتری | |
| یادگیری ماشین |
جهت ثبت نظر با حساب کاربری تان وارد شوید