Profit-driven non-linear classification with applications to credit card fraud detection, churn prediction, direct marketing, and credit scoring
Kâr-odaklı doğrusal olmayan sınıflandırma: Kredi kart sahtekarlık tespiti, terk analizi, doğrudan pazarlama, ve kredi skorlama uygulamaları
- Tez No: 418535
- Danışmanlar: PROF. EKREM DUMAN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, İşletme, Industrial and Industrial Engineering, Computer Engineering and Computer Science and Control, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son y ıllarda veri miktarları nda ve bilgisayarlı hesaplama g uüçlerinde ya şanan art ışlar veri analizlerinin önemini art ırmıştı r. Ş imdiye kadar daha cok betimsel analizler yap lmış, tahmine dönük analizler biraz daha az gündem bulmuştur. Bu çalışma daha eksik olan kısı mda yani tahmin modellemesi cephesinde yer almaktadı r. Tahmin etme problemlerinin en tipik olan sınıflandırma problemleri şimdiye kadar çoğunlukla veri madencili gi (VM) teknikleriyle çözülmeye çalışmıştır. Bu algoritmalarda ele al ınan ama ç fonksiyonu genellikle istatistiki bir ölçünün eniyilenmesidir (do ğru etiketlenen kayı tları n say ısı nı n veya ağırlı klı toplam sayı sı nı n yüksek olması gibi). Bu algoritmalarda ele al nan ama ç fonksiyonu istatistiksel oldu ğuna g öre yanl ış sınıflandırılmış örneklerin sayı sı nı azaltmakt ır. Eski maliyete duyarlı sınıfladırma algoritmaları nda yanlış negatif (YN) hata bedeli yanlış pozitif (YP) hatas ından fazla olabilir. Bu yaklaşı m özellikle çok dengesiz veri k ümlerinde faydal dır. Halbuki, bu yakla şı m örneklerin yanlış sınıflandırması maliyeti ya do ğru sınıflandırması kâr de ğişken olduğu durumlarda kullanı lamaz hale gelmektedir. Bu çalışmada, esas amaç fonksiyonu sınıflandırma yapay s inir ağlar kullanarak ve örneklerin de ğişken kâr ve maliyetlerini g öz önüne alarak toplam net kâri maksimize etmektir. Bu yaklaşı m dört farklı uygulama alanı nda kullanı lmı ştı r: Kredi kart sahtekarl ık tespiti, terk analizi, doğrudan pazarlama, ve kredi skorlama.
Özet (Çeviri)
The rapid growth in data capture and computational power has led to an increasing focus on data-driven research. So far, most of the research is focused on predictive modeling using statistical optimization where it is aimed to minimize the number (or, the weighted number) of incorrectly classified records, while profit maximization has been given less priority. It is exactly the central issue that is addressed in this study by taking a profit-driven approach to develop a well-known non-linear classification technique (Artificial Neural Network) which maximizes the total profit earned by model implementation. Therefore, the focus is shifted from a statistical optimization to profit maximization.\\ Classification which is one of the most common prediction problems, have traditionally been tackled by the data mining (DM) algorithms. The objective taken in these algorithms is a statistical one where it is aimed to minimize the number (or, the weighted number) of incorrectly classified records. In traditional cost-sensitive classification, the error of mislabeling a minor class record (False Negative) could be larger than the error of mislabeling a major class record (False Positive). This approach is useful especially where there is a high imbalance between the classes. However, this does not cope for the situations where the costs of mislabeling the instances or the profits gained from correctly labeled instances are variable (i.e., changing from instance to instance). The central objective here is to maximize the total net profit gained from applying the classification models using individual (case-based) profits and costs of each of the instances. This approach has been used in four application areas: Credit Card Fraud detection, Churn Prediction, Direct Marketing and Credit Scoring.
Benzer Tezler
- Long term competitive advantage effect on company value with fuzzy logic and machine learning applications
Bulanık mantık ve makine öğrenmesi uygulamaları ile uzun vadeli rekabet avantajının şirket değeri üzerine etkisi
ZEKERİYA BİLDİK
Doktora
İngilizce
2024
İşletmeİstanbul Teknik Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. KAYA TOKMAKÇIOĞLU
- Elastomerik taktik sensör kullanılarak yüzey kalitesinin görüntü işleme yöntemleriyle tespitinin araştırılması
Investigation of surface quality detection using image processing techniques with elastomeric tactile sensor
KUBİLAY HAN
Doktora
Türkçe
2025
Makine MühendisliğiSakarya Uygulamalı Bilimler ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF ÇAY
DOÇ. DR. BURAK TANYERİ
- Pervane aerodinamiği için girdap kafes uygulamaları
Vortex lattice applications for propeller aerodynamics
EMRE ŞAHİN
Yüksek Lisans
Türkçe
2013
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. MAHMUT ADİL YÜKSELEN
- Optimal management of a virtual power plant considering renewable energy resource plus energy storage unit
Yenilenebilir enerji kaynağı ve enerji depolama ünitesi dikkate alınarak sanal enerji santralinin optimal yönetimi
OBED NELSON ONSOMU
Doktora
İngilizce
2025
EnerjiAnkara Yıldırım Beyazıt ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT YEŞİLATA
- Türkiye elektrik piyasasında istatistiksel yöntem ve makine öğrenmesi algoritmaları kullanılarak kısa vadeli gün öncesi elektrik fiyatı tahmini için hibrit bir yaklaşım
A hybrid approach short-term day-ahead electricity price forecasting in the turkish power market using statistical method and machine learning algorithms
CEMRE NUR GÜNGÖR
Yüksek Lisans
Türkçe
2026
Enerjiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ITIR SATOĞLU