پیشبینی نکول مشتریان حقیقی بانک ها با رویکرد داده کاوی و الگوریتم های ترکیبی [پايان نامه فارسي]
آریا فتاحی
| شناسگر رکورد: | ۲۰۷۰۸ |
| رشته تحصیلی: | سیستم های کلان |
| عنوان: | پیشبینی نکول مشتریان حقیقی بانک ها با رویکرد داده کاوی و الگوریتم های ترکیبی |
| نويسنده: | آریا فتاحی |
| استاد راهنما : | دکتر فریماه مخاطب رفیعی |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۳۹۸ |
| چکیده: | بانک¬ها و صندوق ها پس از وظیفه اول خود یعنی نگه داری از سپرده های مشتریان، به اهدای وام های مختلف جهت سودآوری نیاز مبرم دارند به همین منظور آنها تمایل زیادی به جذب مشتریان خوش حساب دارند. تشخیص و پیش بینی مشتریان خوش حساب از بد حساب همواره دغدغهی بزرگی برای بانکداران سراسر دنیا اعم از کشور ایران بوده است. با پیشرفت تکنولوژی و پیدایش الگوریتم های به روز همواره متخصصین سعی در پیشبرد این اهداف داشته اند ولی با نگاهی اجمالی در میابیم که هنوز هم جای خالی یک الگوریتم و خوشه بندی مناسب که بتواند به درستی مشتریان را از هم تمییز بدهد خالی است. با توجه به پیشرفت روزافزون پایگاه های داده و منابع اطلاعاتی که امروزه با سرعت بیشتری هم در حال تکمیل شدن میباشند، وجود یکسری پردازش ها و شیوه های نوین که با استفاده از آنها قادر به پیدا کردن الگوها و شیوه های مناسب باشیم حس میشود که در نتیجه با به کار بستن این الگوها و شیوه ها در مؤسسات و سازمان ها قادر به اتخاذ تصمیمات درست و بجا باشیم که در نتیجه سوددهی که نیاز و هدف اصلی تمامی مؤسسات است برطرف شود. با توجه به این اصل، با استفاده از علم داده کاوی و زیرمجموعه های آن که ابزارهای مفیدی را در اختیار ما قرار میدهند میتوان الگوهای هوشمندی حتی با کمترین دخالت انسان تولید که در نهایت به هدف خود یعنی اخذ تصمیمات مناسب در جهت بهبود وضعیت و همچنین دوری از ضررهای احتمالی گرفت. در این پروژه سعی شده است با استفاده از داده های مشتریان حقیقی بانک پاسارگاد و همچنین یک بانک تایوانی که داده ها هم به صورت نظارت شده و هم نظارت نشده است، یک الگوی مناسب جهت خوشه بندی و نیز پیش بینی مشتریان آتی بانک ها با استفاده از الگوریتم های داده کاوی به دست آید. با توجه به نوع داده ها در قسمت داده های نظارت شده از یادگیری عمیق و الگوریتم های برگشتی و همچنین در قسمت نظارت نشده از الگوریتم های کامینز، اسپکتورال و اگلوموریتیو استفاده شده است که توانستند مشتری ها را خوشه بندی و آماده پیش بینی برای آینده کنند. واژه های کلیدی: داده کاوی، خوشه بندی، یادگیری عمیق، الگوریتم برگشتی |
| شماره ثبت | جزء | نسخه | جلد | بخش | قسمت | مرجع | شماره بازیابی | در دست امانت | تاریخ بازگشت | ملاحظات | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 284240 | 1 |
جهت ثبت نظر با حساب کاربری تان وارد شوید