BANK MÜŞTƏRİLƏRİNİN İTKİSİNİN PROQNOZLAŞDIRILMASINDA MAŞIN ÖYRƏNMƏSİ MODELLƏRİNİN TƏHLİLİ VƏ PERFORMANS GÖSTƏRİCİLƏRİNİN ANALİZİ

Abstract

Bu tədqiqat işində müasir bankçılığın ən aktual problemlərindən biri olan müştəri axınının (churn) idarə edilməsi üçün maşın öyrənməsi perspektivləri araşdırılır. Əsas diqqət Random Forest, SVM və Logistic Regression alqoritmlərinin tətbiqi ilə real bank verilənləri üzərində proqnozlaşdırma modellərinin qurulmasına yönəlmişdir. Aparılan eksperimentlər nəticəsində məlum olmuşdur ki, ansambl metodlarına əsaslanan Random Forest modeli 87% dəqiqlik nümayiş etdirərək, xüsusilə bankı tərk etməyə meylli olan müştəri seqmentini aşkar etməkdə digər modellərdən daha etibarlı nəticələr verir. Bundan əlavə, tədqiqat çərçivəsində modellərin sistem resurslarına (CPU və RAM) olan tələbatı kəmiyyət baxımından ölçülmüşdür ki, bu da təklif olunan həllərin bankın mövcud rəqəmsal infrastrukturuna inteqrasiyası üçün həlledici əhəmiyyət kəsb edir. Müəyyən edilmişdir ki, müştəri yaşı və balans göstəriciləri loyallığın proqnozlaşdırılmasında ən yüksək informasiya çəkisinə malik faktorlardır.