ترکیب خوشه بندی و طبقه بندی به منظور پیش بینی تصمیمات ثبت اشتراک سپرده های مدت دار مشتریان بانک در وکا

توضیح کلی :

امروزه ورود تکنولوژی و کامپیوتر به عرصه های مختلف علوم باعث گسترش و دسترس پذیری داده ها گردیده است. این موضوع سبب یافتن روش های جدید مهندسی داده و روش های کشف دانش شده است. امروزه خوشه بندی و طبقه بندی دو الگوی یادگیری مهم در میان الگوریتم های یادگیری داده کاوی هستند. ما در این نوشتار به تشریح یک روش جدید ترکیبی می پردازیم که به پیش بینی بهتر تصمیمات مشتریان بانکی می پردازد و پیش بینی می کند که پتصمیمات آنها برای ثبت اشتراک سپرده های بلند مدت مشتریان بانک به چه صورتی خواهد بود. این روش با برچسب زنی رفتار مشتریان بر اساس اطلاعات آنها و خوشه بندی آنها و سپس طبقه بندی آنها به کمک چندین روش مطرح در این زمینه انجام می شود. روش پیشنهادی ما نسبت به روش های غیر از آن نتیجه بهتری را به خروجی نمی برد اما در نوع خود جدید می باشد. ما در این تحقیق به بررسی روش های مختلف و مقایسه آنها با یکدیگر و ارائه یک راه حل به منظور افزایش صحت طبقه بندی کاربران می پردازیم و در انتها متوجه شدیم درخت تصمیم به تنهایی بهترین صحت را از آن ما می کند.

دیتاست :

شامل سه تا دیتاست است. که هر کدام ۴۵ هزار رکورد دارد.

age,job,marital,education,default,balance,housing,loan,contact,day,month,duration,campaign,pdays,previous,poutcome,y

امکانات اصلی پروژه :