پروژه طبقه بندی تراکنش های دستگاه خودپرداز(ATM) با استفاده از درخت تصمیم در رپیدماینر - rapidminer

عنوان پروژه : پروژه طبقه بندی تراکنش های دستگاه خودپرداز(ATM) با استفاده از درخت تصمیم در رپیدماینر – rapidminer

توضیح کلی :

حدود دو هزار رکورد تراکنش مربوط به بانک تجارت در این پروژه مورد استفاده قرار گرفته شده است. هدف طبقه بندی اطلاعات به کمک الگوریتم درخت تصمیم می باشد. در واقع در این پروژه به کمک الگوریتم مذکور با ارزش بودن یا نبودن کاربران بانک طبقه بندی می شود.

بر خلاف کپی بودن و مشکل دار بودن محتوای پروژه های موجود در وب که متاسفانه کپی و خالی از محتوا می باشد. ما سعی کردیم بهترین داکیومنت و کامل ترین داکیومنت را به جهت آموزش شما در محصول بگنجانیم. علاوه بر آن اگر در داکیومنت مشکلی داشتید به راحتی می توانید در تلگرام یا واتس آپ پیام داده و مشکل خود را حل کنید.

این پروژه تضمین می کند شما بتوانید یک پروژه رپیدماینر را از صفر تا صد خودتان اجرا کرده و یاد بگیرید.

منابع داده(دیتاست)

دیتاست مورد نظر ما حاوی یکسری ستون ها به ترتیب زیر می باشند.

ویژگی debtor : میزان بدهکاری را مشخص می کند.
ویژگی Creditor : میزان وجه
ویژگی NO_TRACONESH : کد تراکنش انجام شده
ویژگیATM ID : یا کد دستگاه خودپرداز
ویژگی Tarikh : یا تاریخ انجام تراکنش در خود پرداز
ویژگی Time : زمان دقیق انجام تراکنش
ویژگی Akharin takhor یا آخرین تاخر در تراکنش
ویژگی Max takhor یا حداکثر تاخر در تراکنش
ویژگی Min takhor یا حداقل تاخر در تراکنش
ویژگی mandehHesab یا مبلغ مانده در حساب مشتری بعد از تراکنش
ویژگی tedade_kole_khadamt یا تعداد کل خدمات
ویژگی ,ba arzesh: میزان ارزشی که بانک برای فرد قائل هست.
ویژگی class : نوع تراکنش که آیا موفق است یا خیر. تراکنشهای atm در سه دسته طبقه بندی شده اند ۱- در اینجا حرف A یعنی حالت موفق ۲ – در اینجا حرف B یعنی حالت ناموفق که بعد از مدت زمان معینی با همان شماره تراکنش مبلغ به حساب مشتری برگشت داده شده ۳- در اینجا حرف C یعنی حالت ناموفق که اصلا وجه کسر شده به حساب مشتری برگشت داده نشده

کلیه مراحل شبیه سازی همراه با نتایج بدست آمده در نرم افزار داده کاوی رپید ماینر شبیه سازی شده است.دیتاست مربوط به بیماری دیابت نیز پس از خرید موجود می باشد