بررسي تطبيقي پركاربردترين الگوريتم‌هاي طبقه‌بندي در پيش‌بيني و اعتبار سنجي مشتري

A Comparative Study of Most Used Classification Algorithms in Customer Prediction and Validation

گسترش روز افزون تعداد بانك‌ها و فراواني شعب آنها در وسعت جغرافيايي كم باعث شده بانك‌ها تلاش كنند با ارائه تسهيلات بانكي بيشتر، بهتر و ساده‌تر به سرمايه‌گذاران و گاها مشاركت در كسب و كار با آنها به افزايش و جذب مشتري براي سودآوري و حفظ حيات خود مباردت كنند. بنابراين بانك‌ها بعنوان اولين قدم نياز به اعتبار سنجي مشتري براي اطمينان از اعتبار مشتري براي تضمين بازگشت سرمايه بانك و سودآوري دارند. امروزه تكنيك‌هاي داده‌كاوي همچون ديگر حوزه‌هاي اطلاعاتي به ياري بانك‌ها آمده‌ تا علاوه بر افزايش سرعت اعتبار سنجي مشتري، رفع تبعيض، رانت‌خواري و دقت عمل را براي بانك‌ها به ارمغان آورد. اين مقاله با معرفي الگوريتم‌هاي درخت تصميم، رگرسيون لجستيك و شبكه عصبي پرسپترون بعنوان سه الگوريتم پركاربرد در علم داده‌كاوي به آموزش، بررسي و مقايسه تطبيقي عملكرد آنها در اعتبار سنجي و شناسايي مشتريان خوش‌حساب و بدحساب با استفاده از يك مجموعه داده واقعي آلماني پرداخته است. نتايج اين بررسي عملكرد بهتر درخت تصميم را گزارش كرده است. اين تحقيق همچنين علاوه بر گزارش نقاط قوت و ضعف هر يك از الگوريتم‌ها در پارامترهاي دقت كلي، دقت در شناسايي مشتريان بدحساب، دقت در شناسايي مشتريان خوش حساب و دقت عمل در بازخواني، به معرفي راهكارهايي براي مطالعات آتي پرداخته است.

The increasing number of banks and the abundance of their branches in a geographically small area has led banks to strive to provide more and easier banking facilities to investors, and sometimes to engage in business with them to increase customer attraction for profit and survival. They do. Therefore, banks, as a first step, need customer validation to ensure customer credit for ensuring bank return on capital and profitability. Nowadays, data mining techniques like other areas of information come to the aid of banks, in addition to increasing the speed of customer validation, elimination of discrimination, Bribery, and accuracy of action for banks. This paper presents the decision tree algorithms, logistic regression and Perceptron neural network As three high-performance algorithms in data mining to teaching, study and Comparative performance comparison in validating and identifying good and bad customers using a real German data set. The results of this study showed that the decision trees have a better performance In addition to reporting the strengths and weaknesses of each of the algorithms in the overall accuracy parameters, the accuracy in identifying good customers, the accuracy of identifying bad customers, and the accuracy of the recall operation, this paper has introduced solutions for future studies.