Μέθοδοι μηχανικής μάθησης σε προβλήματα ταξινόμησης και η εφαρμογή τους σε τραπεζικά δεδομένα

Abstract

Η παρούσα διπλωματική εργασία προσεγγίζει την επίλυση του προβλήματος της δυαδικής ταξινόμησης με τη χρήση μεθόδων Μηχανικής Μάθησης. Πιο συγκεκριμένα, ο στόχος είναι η δημιουργία ενός βέλτιστου μοντέλου που θα εκπαιδεύεται σωστά στα τραπεζικά δεδομένα και θα είναι σε θέση να προβλέπει αν κάποιο άτομο που προσεγγίζεται κατά τη διάρκεια μιας καμπάνιας μάρκετινγκ θα προχωρήσει σε προθεσμιακή κατάθεση, με βάση τα δεδομένα που έχουν συλλεχθεί γι αυτόν από προηγούμενες καμπάνιες. Το σύνολο των τραπεζικών δεδομένων περιέχει δεδομένα που έχουν συλλεχθεί από μία Πορτογαλική τράπεζα. Πρόκειται για ένα μη ισορροπημένο σύνολο δεδομένων καθώς τα άτομα που έχουν πραγματοποιήσει προθεσμιακή κατάθεση είναι πολύ λιγότερα από τα άτομα που δεν έχουν πραγματοποιήσει. Επιπλέον, μεγάλης σημασίας είναι και η μελέτη της ικανότητας του μοντέλου να προσαρμοστεί σε νέα σύνολα δεδομένων και να κάνει σωστές προβλέψεις σε αυτά. Για την επιλογή του βέλτιστου μοντέλου γίνεται σύγκριση της αποτελεσματικότητας δύο αλγορίθμων με τη χρήση κατάλληλων μετρικών. Τέλος μελετάται η επίδραση ορισμένων μεταβλητών στο τελικό αποτέλεσμα.