Fugu-MT 論文翻訳(概要): Prediction of Customer Churn in Banking Industry

論文の概要: Prediction of Customer Churn in Banking Industry

arxiv url: http://arxiv.org/abs/2301.13099v1
Date: Mon, 30 Jan 2023 17:36:33 GMT
ステータス: 処理完了
システム内更新日: 2023-01-31 13:37:36.525883
Title: Prediction of Customer Churn in Banking Industry
Title（参考訳）: 銀行業における顧客チャーン予測
Authors: Sina Esmaeilpour Charandabi
Abstract要約: 本研究は、銀行業界における顧客の混乱を予測するための効率的なモデルを提案するため、6つの教師付き分類手法の性能を比較した。 2つの競合モデルとして、ANNとランダムフォレストについて、特徴選択、クラス不均衡、および外れ値の影響について論じる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the growing competition in banking industry, banks are required to follow customer retention strategies while they are trying to increase their market share by acquiring new customers. This study compares the performance of six supervised classification techniques to suggest an efficient model to predict customer churn in banking industry, given 10 demographic and personal attributes from 10000 customers of European banks. The effect of feature selection, class imbalance, and outliers will be discussed for ANN and random forest as the two competing models. As shown, unlike random forest, ANN does not reveal any serious concern regarding overfitting and is also robust to noise. Therefore, ANN structure with five nodes in a single hidden layer is recognized as the best performing classifier.
Abstract（参考訳）: 銀行業界の競争が激化する中、銀行は新しい顧客を獲得して市場シェアを伸ばそうとする一方で、顧客の保持戦略に従う必要がある。本研究は、6つの教師付き分類手法のパフォーマンスを比較し、欧州の銀行の10000の顧客から10の人口統計と個人的属性を考慮に入れて、銀行業界における顧客混乱を予測する効率的なモデルを提案する。 2つの競合モデルとして、ANNとランダムフォレストについて、特徴選択、クラス不均衡、および外れ値の影響について論じる。示すように、ランダムな森林とは異なり、ANNは過度な適合に関する深刻な懸念を明らかにしておらず、騒音にも強い。したがって、単一の隠蔽層に5つのノードを持つANN構造が最高の性能の分類器として認識される。

関連論文リスト

Large Language Models Orchestrating Structured Reasoning Achieve Kaggle Grandmaster Level [73.14232472724758]
我々は、エンドツーエンドの自律データサイエンスエージェントであるAgent K v1.0を紹介する。経験から学ぶことによって、データサイエンスのライフサイクル全体を管理する。キー情報を選択的に保存して検索することで、長期記憶と短期記憶を最適化する。
論文参考訳（メタデータ） (2024-11-05T23:55:23Z)
Bayesian Regression for Predicting Subscription to Bank Term Deposits in Direct Marketing Campaigns [0.0]
本研究の目的は,長期預金契約予測におけるロジットモデルとプロビットモデルの有効性を検討することである。ターゲット変数はデータセット固有の不均衡を考慮してバランスが取れた。ロジットモデルは、この分類問題を扱う際に、プロビットモデルよりも優れていた。
論文参考訳（メタデータ） (2024-10-28T21:04:58Z)
Modeling the Telemarketing Process using Genetic Algorithms and Extreme Boosting: Feature Selection and Cost-Sensitive Analytical Approach [0.06906005491572399]
本研究は、顧客による長期預金の意欲をモデル化する上で、テレマーケティングデータの力を活用することを目的とする。ポルトガルの銀行と社会経済指標の実際のデータは、遠隔販売による意思決定プロセスのモデル化に使用される。
論文参考訳（メタデータ） (2023-10-30T08:46:55Z)
Efficient Commercial Bank Customer Credit Risk Assessment Based on LightGBM and Feature Engineering [5.6081706361236865]
本論文は、カグルの外国商業銀行の顧客情報データセットに基づくものである。私たちはLightGBMアルゴリズムを使用して、顧客を分類する分類器を構築し、銀行が顧客の信用デフォルトの可能性を判断する手助けをします。
論文参考訳（メタデータ） (2023-08-17T03:32:38Z)
FedGT: Identification of Malicious Clients in Federated Learning with Secure Aggregation [69.75513501757628]
FedGTは、フェデレーション学習における悪意のあるクライアントを安全なアグリゲーションで識別するための新しいフレームワークである。我々はPillutlaらによって最近提案された幾何的中央値に基づいて,FedGTがプライベートロバストアグリゲーションアプローチを著しく上回っていることを示す。
論文参考訳（メタデータ） (2023-05-09T14:54:59Z)
Causal Analysis of Customer Churn Using Deep Learning [9.84528076130809]
顧客チャーン(Customer Churn)は、ビジネスとの関係を終了するか、特定の期間における顧客エンゲージメントを減少させる。本稿では,ディープフィードフォワードニューラルネットワークを用いた分類手法を提案する。また,顧客を混乱させる原因を予測するための因果ベイズネットワークを提案する。
論文参考訳（メタデータ） (2023-04-20T18:56:13Z)
FedABC: Targeting Fair Competition in Personalized Federated Learning [76.9646903596757]
フェデレートラーニングは、クライアントのローカルプライベートデータにアクセスすることなく、モデルを協調的にトレーニングすることを目的としている。我々はFedABCと呼ばれるバイナリ分類によるFederated Averagingと呼ばれる新規で汎用的なPFLフレームワークを提案する。特に、各クライアントに1対1のトレーニング戦略を採用して、クラス間の不公平な競争を軽減する。
論文参考訳（メタデータ） (2023-02-15T03:42:59Z)
Fed-CBS: A Heterogeneity-Aware Client Sampling Mechanism for Federated Learning via Class-Imbalance Reduction [76.26710990597498]
本研究では,ランダムに選択したクライアントからのグループデータのクラス不均衡が,性能の大幅な低下につながることを示す。我々のキーとなる観測に基づいて、我々は効率的なクライアントサンプリング機構、すなわちフェデレートクラスバランスサンプリング(Fed-CBS)を設計する。特に、クラス不均衡の尺度を提案し、その後、同型暗号化を用いてプライバシー保護方式でこの尺度を導出する。
論文参考訳（メタデータ） (2022-09-30T05:42:56Z)
Blockchain Assisted Decentralized Federated Learning (BLADE-FL): Performance Analysis and Resource Allocation [119.19061102064497]
ブロックチェーンをFL、すなわちブロックチェーン支援分散学習(BLADE-FL)に統合することで、分散FLフレームワークを提案する。提案されたBLADE-FLのラウンドでは、各クライアントはトレーニング済みモデルを他のクライアントにブロードキャストし、受信したモデルに基づいてブロックを生成し、次のラウンドのローカルトレーニングの前に生成されたブロックからモデルを集約します。遅延クライアントがblade-flの学習性能に与える影響を調査し,最適なk,学習パラメータ,遅延クライアントの割合の関係を特徴付ける。
論文参考訳（メタデータ） (2021-01-18T07:19:08Z)
Super-App Behavioral Patterns in Credit Risk Models: Financial, Statistical and Regulatory Implications [110.54266632357673]
従来の官僚データとは対照的に、アプリベースのマーケットプレースから派生した代替データが信用スコアモデルに与える影響を提示する。 2つの国にまたがって検証した結果、これらの新たなデータソースは、低体重者や若年者における金融行動を予測するのに特に有用であることが示された。
論文参考訳（メタデータ） (2020-05-09T01:32:03Z)
Deep learning for Stock Market Prediction [0.0]
本稿では,株式市場グループの将来予測に焦点をあてる。テヘラン証券取引所から多様化ファイナンス、石油、非金属鉱物、塩基性金属の4つのグループを選定する。予測は1日、5日、10日、15日、20日、30日前に作成される。
論文参考訳（メタデータ） (2020-03-31T22:50:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。