|
عنوان
|
الگوریتم بهینه سازی علف هرز بهبودیافته برای انتخاب ویژگی در حوزه پیش بینی رویگردانی مشتری
|
|
نوع پژوهش
|
مقاله ارائه شده
|
|
کلیدواژه‌ها
|
پیش بینی رویگردانی مشتری، انتخاب ویژگی، الگوریتم های بهینه سازی تکاملی، الگوریتم علف هرز مهاجم
|
|
چکیده
|
رویگردانی مشتری تبدیل به یکی از مسائلی شده است که بسیاری از شرکت های فعال در صنایع مختلف نظیر مخابرات و بانکداری را دچار چالش کرده است. روش های داده کاوی و یادگیری ماشین برای پیش بینی رویگردانی و شناسایی مشتریان رویگردان در تحقیقات قبلی مورد استفاده قرار گرفته اند. مجموعه داده های مورد استفاده در پیش بینی رویگردانی مشتریان دارای تعداد ویژگی زیاد هستند که انتخاب ویژگی های مرتبط از بین آن ها اهمیت ویژه ای در عملکرد مدل پیش بینی دارد. در این مقاله یک روش انتخاب ویژگی مبتنی بر الگوریتم بهینه سازی علف هرز مهاجم ارائه شده است که تنوع بیشتری در راه حل های ارائه شده در الگوریتم ایجاد می کند. روش ارائه شده مفهوم تقاطع را جهت جلوگیری از افتادن الگوریتم در بهینه محلی بکار می گیرد. الگوریتم ارائه شده با روش های انتخاب ویژگی رقیب در حوزه پیش بینی رویگردانی مقایسه گردید. نتایج نشان می دهد که ویژگی های انتخاب شده توسط الگوریتم توسعه داده شده بهترین عملکرد را بر مبنای معیار AUC در مقایسه با روش های رقیب ارائه می کند.
|
|
پژوهشگران
|
جلیل قویدل نیچران (نفر اول)، حسین عباسی مهر (نفر دوم)
|