یک روش ترکیبی به منظور پیش بینی وفاداری مشتریان بانک پارسیان

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 وفاداری مشتریان بانک می پردازد و به مدیران بانک این امکان را می دهد تا با دقت بیشتری در ارائه امکانات و تسهیلات به این مشتریان قدم بردارند. در واقع در این تحقیق؛ اگر مشتری حساب خود را بسته باشد تلقی ما این است که وفادار نبوده است. ما اثبات می کنیم که  استفاده از خوشه بندی باعث افزایش دقت و صحت پیش بینی می شود و یک راه حل عالی در این زمینه 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.

دیتاست:

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

Instance_number,MonthToBeCustomer,LastInventory,ActiveInCustomerClub,Hasloan,HasCurrentAccount,ParticipateInSurvey,HasPOS,Age,ClosedTheAccount?,Cluster

نمایی از دیتاست