|
|
یازدهمین کنفرانس بین‌المللی مهندسی صنایع
|
|
|
| عنوان فارسی |
پیش بینی رویگردانی مشتری در صنعت بیمه با استفاده از تکنیک ماشین بردار پشتیبان |
|
| چکیده فارسی مقاله |
با توجه به رقابتی شدن صنعت بیمه در سال های اخیر و ورود بخش خصوصی به این عرصه، نگهداری بیمه گذاران برای شرکت های بیمه، اهمیت ویژه ای بافته است. این رویداد، توجه به پیش بینی رویگردانی مشتری را در این صنعت برجسته ساخته است. با توجه به این موضوع، در این مقاله، مدل سازی پیش بینی رویگردانی مشتری با استفاده از تکنیک ماشین بردار پشتیبان، صورت می گیرد. برای تحقق این هدف، فرآیند انتخاب مشخصه با الگوریتم ژنتیک بر مجموعه داده ی موجود، به منظور حذف مشخصه های کم اهمیت اعمال می شود. علاوه بر این، با استفاده از روش های جستجوی شبکه و اعتبارسنجی مقابله پارامترهای مدل ماشین بردار پشتیبان، بهینه و مدل ارزیابی می شود. بعد از آن، عملکرد پیش بینی روش ماشین بردار پشتیبان با روش درخت تصمیم مقایسه شده است. یافته های این مقاله نشان می دهد که مدل ماشین بردار پشتیبان از عملکرد بالاتری نسبت به مدل درخت تصمیم برخوردار بوده و در مدل پیشنهادی مبتنی بر ماشین بردار پشتیبان، مشخصه های سابقه خرید، نحوه آشنایی با سازمان و تمایل به خریده به عنوان مهم ترین مشخصه های پیش بینی کنندهی رویگردانی مشتری تعیین شدند |
|
| کلیدواژه‌های فارسی مقاله |
یش بینی روگردانی، ماشین بردار پشتیبانی، دسته بندی، درخت تصمیم |
|
| عنوان انگلیسی |
Customer Churn prediction in insurance industry using support vector machine |
|
| چکیده انگلیسی مقاله |
Due to the recent severe competition in insurance industry and entrance of the private sector in this field, customer retention is a very important issue. This event has highlighted the attention to customer churn prediction in the industry. This research applies support vector machine to provide a model for prediction of customer churn. To achieve this purpose, the process of feature selection with genetic algorithm is applied to available data set to eliminate the unimportant attributes. Moreover, the parameters of the model are optimized and the model is validated using grid search and cross validation. Afterwards, the predictive performance of support vector machine has been compared with the decision tree method. The results of the study show that the support vector machine performs better than the decision tree and purchase history, how familiar the customer with the company and desire to purchase were determined as the most important customer churn predictors in our recommended model |
|
| کلیدواژه‌های انگلیسی مقاله |
Churn prediction, Support vector machine, Classification, Decision tree |
|
| نویسندگان مقاله |
سمیرا رضائی نوائی | Samira Rezaei Navaei
دانشگاه صنعتی سجاد مشهد
حمیدرضا کوشا | Hamidreza Koosha
دانشگاه فردوسی مشهد
|
|
| نشانی اینترنتی |
iiec2015.org |
| فایل مقاله |
دریافت فایل مقاله |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
دوره مرتبط |
کنفرانس مرتبط |
فهرست کنفرانس ها
|
