پیش بینی ریزش مشتریان با استفاده از ترکیب الگوریتم های ژنتیک و ماشین بردار پشتیبان بهبود یافته مبتنی بر هسته

ماشین بردار پشتیبان ابزاری قدرتمند در طبقه بندی و پیش بینی است. در این تحقیق یک مدل ترکیبی مبتنی برالگوریتم ژنتیک و ماشین بردار پشتیبان بهبودیافته مبتنی بر هسته (GA-KESVM) به منظور پیش بینی ریزش مشتریانارائه شده است. در ابتدا به منظور بررسی یک مدل طبقه بندی کننده با دقت مناسب، ماشین پیشنهادی با مدل هایمشابه بر روی دیتاست مشتریان مربوط به شرکت مخابراتی KNIME با ۱۹ ویژگی و ۲ کلاس خروجی مورد مقایسه قرار می گیرد. مدل بهینه به عنوان تابع هزینه الگوریتم ژنتیک انتخاب و به منظور انتخاب و ترکیب ویژگی های موثرمشتریان در شناسایی ریزش مشتری استفاده می شود. نتایج شبیه سازی به ازای داده های آموزش و تست در حالت انتخاب نمونه ها به صورت RandomPerm=۰ به ترتیب دارای دقت ACC=۹۸/۹۷ و ACC=۸۸/۹۰ و در حالت RandomPerm=۱ دارای دقت ACC=۰/۹۸۹۷ و ACC=۹۶/۵۰ است.

Keywords:

پیش بینی ریزش مشتریان , الگوریتم ژنتیک , ماشین بردار پشتیبان بهبودیافته مبتنی بر هسته