52

Using of Data Mining Framework for the Prediction of Customer Behavior

كارشناسي ارشد

م.فناوري

تهران غرب

1395

24/09/1395

خوب

لاري سمناني، بهروز

عيدي، فاطمه

دانشگاه پيام نور تهران غرب

پيچيدگي محيطي، شدت رقابت، رواج تكنولوژي‌هاي نو و پيشرفته، توسعه فناوري اطلاعات و ارتباطات، و سمت گيري سازمان‌ها از دارايي‌هاي مشهود به نامشهود از عوامل عمده اي است كه موجب شده سازمان‌ها و بانك ها در دوران حيات خود با ريسك‌هاي بسيار متعدد و حتي پيش بيني نشده مواجه شوند. يكي از مهمترين ريسك ها در بانك، مديريت ريسك اعتباري مي باشد. از اين رو هدف از اين پژوهش بكارگيري تكنيك داده كاوي براي پيش بيني رفتار مشتريان بانك است كه بتوان بر اساس شاخص ها و پارامترهاي تاثيرگذار در انتخاب متقاضيان اعتبار، آنها را به خوبي دسته بندي كرده و از احتمال عدم بازپرداخت تسهيلات اعطايي كاست. اين تحقيق، تحقيقي كاربردي است كه از روش درخت تصميم گيري ژنتيك به تجزيه و تحليل داده هاي جمع آوري شده، پرداخته است. درختان تصميم گيري به عنوان يكي از تكنيك هاي داده كاوي مي توانند به اعتبارسنجي مشتريان بانكي بپردازند. مساله اصلي ساخت درختان تصميم گيري است كه بتوانند به طور بهينه مشتريان را طبقه بندي كنند. در اين تحقيق يك مدل مناسب اعتبارسنجي مشتريان بانكها براي اعطاي تسهيلات اعتباري متناسب با هر طبقه مبتني بر الگوريتم ژنتيك ارايه مي شود. الگوريتم هاي ژنتيك مي توانند با انتخاب ويژگي هاي مناسب و ساخت درختان تصميم گيري بهينه به اعتبارسنجي مشتريان كمك كنند. مدل طبقه بندي پيشنهادي مبتني بر تكنيك هاي خوشه بندي، انتخاب ويژگي ها، درختان تصميم گيري و الگوريتم ژنتيك است. اين مدل به انتخاب و تركيب بهترين درختان تصميم گيري مبتني بر معيارهاي بهينگي و ساخت درخت تصميم گيري نهايي براي اعتبارسنجي مشتريان مي پردازد. نتايج نشان مي دهد كه دقت طبقه بندي مدل طبقه بندي پيشنهادي به طورتقريبي از تمام مدل هاي درخت تصميم گيري مقايسه شده در اين مقاله بالاتر است. همچنين تعداد برگ ها و اندازه درخت تصميم گيري و در نتيجه پيچيدگي آن از همه كمتر است.

14/12/1395

40370