Usporedba algoritama za strojno učenje u procesu izgradnje prediktivnih modela za predviđanje odlaska klijenata

diplomski rad

• Naslov (engleski): Comparison of machine learning algorithms in the process of predictive model creation for client churn prediction
• Autor: Aleksandar Tunjić
• Mentor: Boris Vrdoljak (mentor)
• Član povjerenstva: Boris Vrdoljak (predsjednik povjerenstva)
• Član povjerenstva: Mirjana Domazet-Lošo (član povjerenstva)
• Član povjerenstva: Ljiljana Brkić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2016-09-29, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Privlačenje novog korisnika u telekom industriji je vrlo skupo, do nekoliko puta skuplje nego zadržavanje postojećeg. Zbog toga se telekom operateri okreću dubinskoj analizi podataka kako bi se iz podataka o korištenju usluga pokušalo predvidjeti da li će neki korisnik prijeći konkurenciji. Postoji više metoda dubinske analize podataka, a razlikuju se po pristupu u složenosti. U ovom radu je provedena analiza i čišćenje podataka telekom operatera, te su izgrađeni i uspoređeni sljedeći modeli: logistička regresija, PLS, slučajne šume i GBM. Također, provedena je i usporedba navedenih algoritama nad izvedenim podacima dobivenim generatorom varijabli.

Sažetak (engleski)

Attaining a new customer in telecom industry is a few times more expensive than retaining an existing customer. This is why telecom operators use data mining approach to try predict if a customer is going to stop using its services and become a client of a competing telecom. There are few data mining methods and they all differ in approach and complexity. In this thesis the process of data analysis and cleaning was done followed by building models: logistic regression, PLS, random forests and GBM. A comparison of results was done on data attained from original and generated variables.

• Ključne riječi: Dubinska analiza podataka; telekomunikacijska industrija; prediktivni algoritmi
• Ključne riječi (engleski): Data mining; telecom industry; predictive algorithms; churn
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:255243
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2018-02-06 14:11:51