Sono stati analizzati i clienti di una banca con tecniche di machine learning, per individuare quali abbandoneranno nel mese successivo. In particolare, è stato utilizzato un approccio di validazione temporale per ottenere una stima robusta e utile per il business. Il modello più valido è un easy ensemble di C5.0, le cui performance hanno permesso di confermare che le tecniche di machine learning possono aiutare le banche a comprendere il comportamento futuro dei propri clienti

Machine Learning Techniques for Customer Churn Prediction in Banking Environments

Avon, Valentino
2016/2017

Abstract

Sono stati analizzati i clienti di una banca con tecniche di machine learning, per individuare quali abbandoneranno nel mese successivo. In particolare, è stato utilizzato un approccio di validazione temporale per ottenere una stima robusta e utile per il business. Il modello più valido è un easy ensemble di C5.0, le cui performance hanno permesso di confermare che le tecniche di machine learning possono aiutare le banche a comprendere il comportamento futuro dei propri clienti
2016-10-10
customer churn, cbnk, machine learning, data mining
File in questo prodotto:
File Dimensione Formato  
Valentino_Avon_-_1104319.pdf

accesso aperto

Dimensione 841.29 kB
Formato Adobe PDF
841.29 kB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/27533