سمانه سرلک - عضو هییت علمی، گروه مهندسی کامپیوتر، واحد دماوند، دانشگاه آزاد اسلامی، تهران، ایران

پیشرفت در بکارگیری و جمع آوری داده با به خدمت گرفتن کامپیوتر و همچنین استفاده همگانی از وب و اینترنت به توان یک سیستم اطلاع رسانی جهانی، داده کاوی را به عنوان یک ابزار مفید جهت کمک به حل مسایل پیچیده مطرح ساخته است. در سال های اخیر اعتبارسنجی به کاری مهم برای موسسات مالی مانند بانک ها و شرکت های بیمه تبدیل شده است. در حقیقت مدیریت نامناسب در زمینه تخصیص اعتبار، زیان های زیادی را به موسسات مالی مخصوصا در ایالات متحده امریکا و اروپا تحمیل کرده است و حتی برخی از آنها را تا حد ورشکستگی سوق داده است. اعتبارسنجی به کاهش مخاطرات حاصل از اعطای اعتبار می پردازد. این کار با پیش بینی صحیح رفتار مشتریان صورت می گیرد. در واقع، مساله اعتبارسنجی به صورت یک مساله طبقه بندی قابل طرح است که هدف آن استخراج مدل کارا و مناسبی است که مشتریان را بر اساس ویژگی هایشان در دو دسته خوب و بد طبقه بندی نماید. در این پژوهش قصد داریم با استفاده از روش k- نزدیکترین همسایه به بهبود کارایی ارتباط با مشتری به منظور توسعه بازار بانک ها بپردازیم و با استفاده از الگوریتم های تکاملی ویژگی هایی که در این رابطه تاثیر بیشتری دارند را با وزن بیشتر و ویژگی های کم تاثیر با وزن کمتری در طبقه بندی ظاهر و مورد استفاده قرار گیرند. به همین دلیل از الگوریتم های تکاملی استفاده شده است تا وزن های بهینه ویژگی ها را برای طبقه بند k- نزدیک ترین همسایه تعیین نمایند. نتایج نشان می دهد که وزن های حاصل الگوریتم ژنتیک باعث شد تا طبقه بند k- نزدیک ترین همسایه با دقت 100%، 97.5% و 99.5% به ترتیب به ازای داده های آموزشی، آزمایشی و کل داده ها طبقه بندی را انجام داده است.

طبقه بندی، k- نزدیک ترین همسایه، الگوریتم ژنتیک، الگوریتم های تکاملی