Geri Dön

Machine learning approach to the prediction of bank customer churn problem

Banka müşteri kayıt probleminin tahmin edilmesine makine öğrenme yaklaşımı

PDF İndir

  1. Tez No: 802637
  2. Yazar: OMOBOLA AZEEZAT OKOCHA
  3. Danışmanlar: PROF. DR. ILHAM HUSEYINOV
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Bankada Müşteri Kaybı, Destek Vektör Makinesi, Rastgele Orman, Gradient Boost, Customer Churn in Bank, Support Vector Machine, Random Forest, Gradient Boosting, SMOTE
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: İstanbul Aydın Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka Bilim Dalı
  13. Sayfa Sayısı: 63

Özet

Modern bankacılık sektöründe, müşteriler paralarını nereye yatıracaklarına karar verme konusunda çok sayıda seçeneğe sahiptir. Sonuç olarak, müşteri tutma ve kayıp çoğu banka için önemli zorluklar haline geldi. Müşteri kaybı sorununu ele almak amacıyla bu araştırma, Lojistik Regresyon, Destek Vektör Makinesi, Rastgele Orman, Gradient Boosting, eXtreme Gradient Boosting ve Light Gradient Boosting gibi çeşitli makine öğrenimi algoritmalarını kullanır. Çalışma, ilgisiz özellikleri kaldırmak ve en alakalı olanları belirlemek için bir özellik seçme tekniği kullanır. Ek olarak, ortaya çıkan veri seti SMOTE yöntemi kullanılarak dengelenir. Sınıflandırıcıların dengeli ve dengesiz veri kümelerindeki performansı, doğruluk, hatırlama, kesinlik ve genel performans açısından karşılaştırılır. Sonuçlar, dengesiz verilerle uğraşırken (SMOTE uygulanmadan önce) hiçbir sınıflandırıcının diğerlerinden daha iyi performans göstermediğini göstermektedir. Ancak, dengeli veriler söz konusu olduğunda (SMOTE uygulandıktan sonra), Rastgele Orman sınıflandırıcısı, diğer sınıflandırıcılardan önemli bir farkla daha iyi performans gösterdi.

Özet (Çeviri)

In the modern banking industry, customers have a plethora of options when it comes to deciding where to invest their money. As a result, customer retention and churn have become significant challenges for most banks. In an effort to address the issue of customer churn, this research employs various machine learning algorithms such as Logistic Regression, Support Vector Machine, Random Forest, Gradient Boosting, eXtreme Gradient Boosting, and Light Gradient Boosting. The study utilizes a feature selection technique to remove irrelevant features and identify the most relevant ones. Additionally, the resulting dataset is balanced using the SMOTE method. The performance of classifiers on balanced and imbalanced datasets is compared in terms of accuracy, recall, precision, and overall performance. The results demonstrate that no classifier outperformed others when dealing with imbalanced data (before SMOTE is applied). However, in the case of balanced data (after SMOTE is applied), the Random Forest classifier outperformed other classifiers by a significant margin.

Benzer Tezler

  1. Tez No

    893335

    A machine learning approach to predicting customer churn in the banking industry using CRISP-DM and KNIME analytics

    CRISP-DM ve KNIME analitiği kullanarak bankacılık sektöründe müşteri kaybını tahmin etmeye yönelik bir makine öğrenimi yaklaşımı

    MORO HUSSEINI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    İşletmeİbn Haldun Üniversitesi

    İşletme (İngilizce) Ana Bilim Dalı

    PROF. DR. MUSTAFA KEMAL YILMAZ

  2. Tez No

    847187

    Vadeli mevduat hesabı aboneliği tahmini makine öğrenmesi yaklaşımı

    Machine learning approach to time deposit account subscription prediction

    HİKMET SELİM TALU

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    BankacılıkYıldız Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. FATMA NOYAN TEKELİ

  3. Tez No

    809099

    Hizmet pazarlamasında yapay zekâ kullanımı ve dijitalleşme: Hizmet sektöründe bir model

    Using AI and digitalization in service marketing: An application in the service industry

    İPEK YALIÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    BankacılıkKırıkkale Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. CİHAT KARTAL

  4. Tez No

    659834

    Yazılı para transferi talimatları üzerinden bilgi çıkarımı

    Information extraction from written money transfer orders

    BERKE ORAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bankacılıkİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜLŞEN ERYİĞİT

  5. Tez No

    259039

    Video based detection of driver fatigue

    Görüntü aracılığıyla sürücüde yorgunluğun sezimi

    ESRA VURAL

    Doktora

    İngilizce

    İngilizce

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    PROF. DR. AYTUL ERCİL

    YRD. DOÇ. DR. MUJDAT CETİN

Geri Dön