Kamoo re ileng ra bolela esale pele ka teng ka ho e atamela joalo ka koluoa ​​​​ea tlhaho

Ka linako tse ling, e le hore u rarolle bothata, u hloka feela ho e sheba ka lehlakoreng le fapaneng. Esita le haeba lilemong tse fetileng tsa 10 mathata a tšoanang a rarollotsoe ka tsela e tšoanang ka liphello tse fapaneng, hase 'nete hore mokhoa ona ke oona feela.

Ho na le sehlooho se kang churn ea bareki. Ntho e ke keng ea qojoa, hobane bareki ba k'hamphani leha e le efe, ka mabaka a mangata, ba ka khaotsa ho sebelisa lihlahisoa kapa litšebeletso tsa bona. Ha e le hantle, bakeng sa k'hamphani, churn ke ntho ea tlhaho, empa hase ketso e lakatsehang ka ho fetisisa, kahoo e mong le e mong o leka ho fokotsa churn ena. Ho molemo le ho feta, bolela esale pele monyetla oa ho ba le mofuta o itseng oa basebelisi, kapa mosebelisi ea itseng, 'me u etse tlhahiso ea mehato ea ho li boloka.

Hoa hlokahala ho sekaseka le ho leka ho boloka moreki, haeba ho khonahala, bonyane ka mabaka a latelang:

• ho hohela bareki ba bacha ho theko e boima ho feta mekhoa ea ho boloka. Ho hohela bareki ba bacha, e le molao, o hloka ho sebelisa chelete e itseng (papatso), ha bareki ba teng ba ka sebelisoa ka tlhahiso e khethehileng e nang le maemo a khethehileng;
• Ho utloisisa mabaka a etsang hore bareki ba tsamaee ke senotlolo sa ho ntlafatsa lihlahisoa le litšebeletso.

Ho na le mekhoa e tloaelehileng ea ho bolela esale pele. Empa ho e 'ngoe ea libapali tsa AI, re nkile qeto ea ho leka kabo ea Weibull bakeng sa sena. Hangata e sebelisoa bakeng sa tlhahlobo ea ho pholoha, bolepi ba leholimo, tlhahlobo ea likoluoa ​​​​tsa tlhaho, boenjiniere ba indasteri le tse ling tse joalo. Kabo ea Weibull ke ts'ebetso e khethehileng ea kabo e hlophisitsoeng ke liparamente tse peli и .

Wikipedia

Ka kakaretso, ke ntho e thahasellisang, empa bakeng sa ho bolela esale pele ho tsoa, ​​​​le fintech ka kakaretso, ha e sebelisoe hangata. Ka tlase ho sehiloeng re tla u bolella hore na rona (Data Mining Laboratory) re entse sena joang, ka nako e le 'ngoe re hapa khauta ho Artificial Intelligence Championship sehlopheng sa "AI in Banks".

Mabapi le churn ka kakaretso

Ha re utloisise hanyane ka hore na churn ea bareki ke eng le hore na hobaneng e le bohlokoa hakana. Setsi sa bareki se bohlokoa bakeng sa khoebo. Bareki ba bacha ba tla setsing sena, ka mohlala, ha ba se ba ithutile ka sehlahisoa kapa tšebeletso ho tsoa papatsong, ba phela nako e itseng (sebelisa lihlahisoa ka mafolofolo) 'me ka mor'a nako e itseng ba khaotse ho e sebelisa. Nako ena e bitsoa "Customer Lifecycle" - lentsoe le hlalosang mehato eo moreki a fetang ho eona ha a ithuta ka sehlahisoa, a etsa qeto ea ho reka, a lefa, a sebelisa le ho fetoha moreki ea tšepahalang, 'me qetellong a khaotsa ho sebelisa sehlahisoa. ka lebaka le leng. Ka lebaka leo, churn ke mohato oa ho qetela oa potoloho ea bophelo ba mofani, ha mofani a khaotsa ho sebelisa litšebeletso, 'me bakeng sa khoebo sena se bolela hore mofani o khaolitse ho tlisa phaello kapa molemo leha e le ofe ho hang.

Moreki e mong le e mong oa banka ke motho ea itseng ea khethang karete e le 'ngoe ea banka ka ho khetheha bakeng sa litlhoko tsa hae. Haeba u tsamaea khafetsa, karete e nang le limaele e tla u thusa. E reka haholo - hello, karete ea ho khutlisa chelete. O reka haholo mabenkeleng a khethehileng - 'me ho se ho ntse ho e-na le polasetiki e khethehileng ea molekane bakeng sa sena. Ha e le hantle, ka linako tse ling karete e khethoa ho latela "tšebeletso e tlaase ka ho fetisisa". Ka kakaretso, ho na le mefuta-futa e lekaneng mona.

'Me motho o boetse o khetha banka ka boeona - na ho na le ntlha ea ho khetha karete e tsoang bankeng eo makala a eona a leng Moscow feela le sebakeng seo, ha u tsoa Khabarovsk? Esita le haeba karete e tsoang bankeng e joalo bonyane e na le chelete e ngata ka makhetlo a 2, ho ba teng ha makala a banka e haufi e ntse e le mokhoa oa bohlokoa. E, 2019 e se e le teng mme dijithale ke ntho e 'ngoe le e' ngoe ea rona, empa litaba tse ngata le libanka tse ling li ka rarolloa lekaleng feela. Hape, hape, karolo e 'ngoe ea baahi e tšepa banka ea 'mele ho feta kopo ho smartphone, sena le sona se hloka ho tsotelloa.

Ka lebaka leo, motho a ka ba le mabaka a mangata a ho hana lihlahisoa tsa banka (kapa banka ka boeona). Ke ile ka fetola mesebetsi, 'me tefiso ea karete ea fetoha ho tloha ho moputso ho ea ho "Bakeng sa batho ba shoang," e leng chelete e fokolang. Ke ile ka fallela motseng o mong moo ho se nang makala a banka. Ke ne ke sa rate ho sebelisana le mosebeletsi ea sa tšoaneleheng lekaleng. Ke hore, ho ka 'na ha e-ba le mabaka a mangata a ho koala akhaonto ho feta ho sebelisa sehlahisoa.

'Me moreki a ke ke a hlalosa ka ho hlaka morero oa hae - tla bankeng' me a ngole polelo, empa a khaotse ho sebelisa lihlahisoa ntle le ho felisa konteraka. Ho ile ha etsoa qeto ea ho sebelisa ho ithuta ka mochini le AI ho utloisisa mathata a joalo.

Ho feta moo, churn ea bareki e ka etsahala indastering efe kapa efe (telecom, bafani ba Inthanete, lik'hamphani tsa inshorense, ka kakaretso, kae kapa kae moo ho nang le setsi sa bareki le litšebelisano tsa nako le nako).

Re entseng

Pele ho tsohle, ho ne ho hlokahala ho hlalosa moeli o hlakileng - ho tloha ka nako efe eo re qalang ho nahana ka mofani hore o tlohile. Ho ea ka pono ea banka e re fileng lintlha tsa mosebetsi oa rona, boemo ba mosebetsi oa mofani e ne e le binary - o sebetsa kapa che. Ho ne ho na le folakha ea ACTIVE_FLAG lethathamong la "Tsebetso", boleng ba eona e ka bang "0" kapa "1" ("E sa sebetse" le "Active" ka ho latellana). 'Me ntho e' ngoe le e 'ngoe e ne e tla ba hantle, empa motho o joalo hore a ka e sebelisa ka mafolofolo ka nako e itseng, ebe o tsoa lethathamong le mafolofolo bakeng sa khoeli - o ile a kula, a ea naheng e' ngoe ka matsatsi a phomolo, kapa a ea ho ea hlahloba. karete e tsoang bankeng e 'ngoe. Kapa mohlomong ka mor'a nako e telele ea ho se sebetse, qala ho sebelisa litšebeletso tsa banka hape

Ka hona, re nkile qeto ea ho bitsa nako ea ho se sebetse nako e itseng e tsoelang pele eo folakha ea eona e neng e behiloe ho "0".

Basebelisi ba tloha ho ba sa sebetseng ho ea ho ba mafolofolo kamora linako tsa ho se sebetse tsa bolelele bo fapaneng. Re na le monyetla oa ho bala tekanyo ea boleng ba "botšepehi ba linako tsa ho se sebetse" - ke hore, monyetla oa hore motho a qale ho sebelisa lihlahisoa tsa banka hape ka mor'a ho se sebetse ka nakoana.

Ka mohlala, kerafo ena e bontša ho qalella ha tšebetso (ACTIVE_FLAG=1) ea bareki ka mor'a likhoeli tse 'maloa ba sa sebetse (ACTIVE_FLAG=0).

Mona re tla hlakisa hanyane sete ea data eo re qalileng ho sebetsa ka eona. Kahoo, banka e fane ka tlhaiso-leseling e kopaneng bakeng sa likhoeli tse 19 litafoleng tse latelang:

• "Mosebetsi" - litšebelisano tsa khoeli le khoeli tsa bareki (ka likarete, libankang tsa Marang-rang le libanka tsa mehala), ho kenyeletsoa moputso le tlhaiso-leseling mabapi le phetoho.
• "Likarete" - lintlha tse mabapi le likarete tsohle tseo moreki a nang le tsona, tse nang le kemiso e qaqileng ea litefiso.
• "Litumellano" - tlhahisoleseling mabapi le litumellano tsa bareki (tse butsoeng le tse koetsoeng): likalimo, li-depositi, joalo-joalo, tse bonts'ang litekanyo tsa e 'ngoe le e 'ngoe.
• "Bareki" - lethathamo la lintlha tsa palo ea batho (bong le lilemo) le ho fumaneha ha tlhahisoleseling.

Bakeng sa mosebetsi re ne re hloka litafole tsohle ntle le "Mapa".

Ho ne ho e-na le bothata bo bong mona - ho data ena banka ha ea ka ea bontša hore na ke mosebetsi oa mofuta ofe o etsahetseng ka likarete. Ke hore re ne re ka utloisisa hore na ho na le li-transaction kapa che, empa re ne re se re sa tsebe hore na ke tsa mofuta ofe. Ka hona, ho ne ho sa hlaka hore na moreki o ne a ntša chelete, a amohela moputso kapa o sebelisa chelete eo ho reka. Hape re ne re se na lintlha tsa li-account tse ka beng li bile molemo.

Mohlala ka boeona o ne o se na leeme - ka mohlala ona, ka likhoeli tse 19, banka ha ea ka ea etsa boiteko leha e le bofe ba ho boloka bareki le ho fokotsa ho tsoa.

Kahoo, ka linako tsa ho se sebetse.

Ho theha tlhaloso ea churn, nako ea ho se sebetse e tlameha ho khethoa. Ho etsa ponelopele ya churn ka nako e itseng , o tlameha ho ba le nalane ea bareki bonyane likhoeli tse 3 ka nako e itseng . Histori ea rona e ne e lekanyelitsoe ho likhoeli tse 19, kahoo re ile ra etsa qeto ea ho nka nako ea likhoeli tse 6, haeba e le teng. Mme bakeng sa nako e nyane bakeng sa ponelopele ea boleng bo holimo, re nkile likhoeli tse 3. Re nkile lipalo bakeng sa likhoeli tsa 3 le 6 ka matla ho latela tlhahlobo ea boitšoaro ba data ea bareki.

Re thehile tlhaloso ea churn ka tsela e latelang: khoeli ea ho ferekana ha bareki ena ke khoeli ea pele ka ACTIVE_FLAG=0, moo ho tloha khoeling ena bonyane ho nang le li-zero tse tšeletseng tse latellanang tšimong ea ACTIVE_FLAG, ka mantsoe a mang, khoeli e qalang eo moreki a neng a sa sebetse ka likhoeli tse 6.

Palo ea bareki ba tsamaileng

Nomoro ea bareki ba setseng

Churn e baloa joang?

Litlholisanong tse joalo, 'me ka tloaelo ka kakaretso, ho tsoa hangata ho boleloa esale pele ka tsela ena. Moreki o sebelisa lihlahisoa le lits'ebeletso ka linako tse fapaneng, data mabapi le tšebelisano le eena e emeloa e le vector ea likarolo tsa bolelele bo tsitsitseng n. Hangata litaba tsena li kenyelletsa:

• Lintlha tse khethollang mosebelisi (data ea palo ea batho, karolo ea papatso).
• Nalane ea ts'ebeliso ea lihlahisoa le lits'ebeletso tsa banka (tsena ke liketso tsa bareki tse lulang li tlameletsoe ho nako e itseng kapa nako ea nako eo re e hlokang).
• Lintlha tsa kantle, haeba ho ne ho ka khoneha ho li fumana - ka mohlala, litlhahlobo tse tsoang liwebsaeteng tsa sechaba.

'Me ka mor'a moo, ba fumana tlhaloso ea churn, e fapaneng bakeng sa mosebetsi ka mong. Ebe ba sebelisa algorithm ea ho ithuta ka mochini, e bolelang esale pele monyetla oa hore moreki a tlohe e thehiloeng ho vector ea lintlha . Ho koetlisa algorithm, ho sebelisoa e 'ngoe ea meralo e tsebahalang ea ho aha li-ensembles tsa lifate tsa liqeto, XGBoost, KhanyaGBM, CatBoost kapa liphetoho tsa eona.

Algorithm ka boeona ha e mpe, empa e na le mathata a 'maloa a tebileng ha ho tluoa tabeng ea ho bolela esale pele churn.

• Ha a na seo ho thoeng ke "memori". Kenyelletso ea mohlala ke palo e boletsoeng ea likarolo tse lumellanang le ntlha ea hona joale ka nako. E le hore u boloke tlhahisoleseding e mabapi le histori ea liphetoho tsa litekanyetso, ho hlokahala hore u bale likarolo tse khethehileng tse khethollang liphetoho tsa mekhahlelo ka nako, mohlala, palo kapa palo ea litšebelisano tsa banka nakong ea likhoeli tse 1,2,3, XNUMX, XNUMX tse fetileng. Mokhoa ona o ka bonts'a hanyenyane feela sebopeho sa liphetoho tsa nakoana.
• Boemo ba bolepi bo tsitsitseng. Mohlala o khona ho bolela esale pele churn ea bareki bakeng sa nako e boletsoeng esale pele, mohlala, ponelopele khoeli pele. Haeba ponelopele e hlokahala bakeng sa nako e fapaneng, mohlala, likhoeli tse tharo, joale o hloka ho tsosolosa setsi sa koetliso le ho tsosolosa mohlala o mocha.

Mokhoa oa rona

Re ile ra etsa qeto hang-hang hore re ke ke ra sebelisa mekhoa e tloaelehileng. Ntle le rona, batho ba bang ba 497 ba ile ba ingolisa tlholisanong, bao e mong le e mong oa bona a neng a e-na le boiphihlelo bo bongata kamora bona. Kahoo ho leka ho etsa ntho ho latela moralo o tloaelehileng maemong a joalo ha se mohopolo o motle.

Mme re ile ra qala ho rarolla mathata a tobaneng le mofuta oa binary classification ka ho bolela esale pele kabo ea monyetla oa linako tsa churn ea bareki. Ho ka bonoa mokhoa o tšoanang mona, e u lumella ho bolela esale pele churn ka mokhoa o feto-fetohang le ho leka likhopolo tse rarahaneng ho feta ka mokhoa oa khale. Joaloka lelapa la li-distributions tse etsisang nako ea ho tsoa, ​​re ile ra khetha kabo Weibull bakeng sa tšebeliso ea eona e pharalletseng tlhahlobong ea ho pholoha. Boitšoaro ba moreki bo ka talingoa e le mofuta oa ho phela.

Mehlala ke ena ea Weibull probability density distributions ho latela liparamente и :

Ona ke ts'ebetso ea ts'ebetso ea ts'ebetso ea bareki ba bararo ba fapaneng ha nako e ntse e ea. Nako e hlahisoa ka likhoeli. Ka mantsoe a mang, kerafo ena e bontša hore na moreki a ka 'na a kena mathateng likhoeling tse peli tse tlang. Joalo ka ha u bona, moreki ea nang le phano e na le monyetla o moholo oa ho tsamaea pejana ho feta bareki ba Weibull(2, 0.5) le Weibull. (3,1) kabo.

Sephetho ke mohlala oo, bakeng sa moreki e mong le e mong, bakeng sa e mong le e mong
khoeli e bolela esale pele litlhophiso tsa kabo ea Weibull, e bonts'ang hantle ho hlaha ha monyetla oa ho tsoa ha nako. Ka botlalo:

• Likarolo tse shebiloeng holim'a sete ea koetliso ke nako e setseng ho fihlela e fihla khoeling e itseng bakeng sa moreki ea itseng.
• Haeba ho se na sekhahla sa ts'ebetso bakeng sa moreki, re nka hore nako ea ts'ebetso e kholo ho feta palo ea likhoeli ho tloha khoeling ea hajoale ho isa qetellong ea nalane eo re nang le eona.
• Mohlala o sebelisitsoeng: marang-rang a tloaelehileng a neural a nang le lera la LSTM.
• Joalo ka ts'ebetso ea tahlehelo, re sebelisa ts'ebetso e mpe ea monyetla oa ho kena bakeng sa kabo ea Weibull.

Melemo ea mokhoa ona ke ena:

• Ho ajoa ha menyetla, ho phaella ho monyetla o hlakileng oa ho khetholla li-binary, ho lumella ho bolela esale pele ho feto-fetohang ha liketsahalo tse sa tšoaneng, mohlala, hore na mofani o tla khaotsa ho sebelisa litšebeletso tsa banka nakong ea likhoeli tsa 3. Hape, haeba ho hlokahala, metrics e fapaneng e ka lekanngoa holim'a kabo ena.
• The LSTM recurrent neural network e na le mohopolo mme e sebelisa nalane eohle e teng ka katleho. Ha pale e ntse e atolosoa kapa e ntlafatsoa, ​​ho nepahala hoa eketseha.
• Mokhoa o ka fokotsoa habonolo ha o arola linako ka tse nyane (mohlala, ha ho aroloa likhoeli ka libeke).

Empa ha hoa lekana ho theha mohlala o motle; hape o hloka ho lekola boleng ba eona hantle.

Boleng bo ile ba hlahlojoa joang?

Re khethile Lift Curve joalo ka metric. E sebelisoa khoebong bakeng sa linyeoe tse joalo ka lebaka la tlhaloso e hlakileng, e hlalosoa hantle mona и mona. Haeba u hlalosa moelelo oa metric ena polelong e le 'ngoe, e tla ba "algorithm e etsa ponelopele e ntle ka makhetlo a makae ho ea pele? % ho feta ka tšohanyetso."

Mehlala ea koetliso

Maemo a tlhōlisano ha aa ka a theha metric e khethehileng ea boleng eo mehlala le mekhoa e fapaneng e ka bapisoang ka eona. Ho feta moo, tlhaloso ea churn e ka fapana 'me e ka itšetleha ka polelo ea bothata, eo, le eona, e khethoang ke lipakane tsa khoebo. Ka hona, ho utloisisa hore na ke mokhoa ofe o molemo, re koetlisitse mefuta e 'meli:

1. Mokhoa o sebelisoang hangata oa ho khetholla li-binary o sebelisa algorithm ea ho ithuta ka mochini oa qeto e kopaneng (KhanyaGBM);
2. Mohlala oa Weibull-LSTM

Sehlopha sa liteko se ne se e-na le bareki ba 500 ba khethiloeng esale pele ba neng ba se sehlopheng sa koetliso. Li-parameter tsa Hyper li ile tsa khethoa bakeng sa mohlala ho sebelisa bopaki ba sefapano, bo robehileng ke mofani. Ho ile ha sebelisoa lihlopha tse tšoanang tsa likarolo ho koetlisa mohlala o mong le o mong.

Ka lebaka la hore mohlala ha o na mohopolo, likarolo tse khethehileng li ile tsa nkoa bakeng sa eona, tse bontšang karo-karolelano ea liphetoho ho li-parameter bakeng sa khoeli e le 'ngoe ho ea ho karolelano ea boleng ba litekanyetso likhoeling tse tharo tse fetileng. Ke eng e bonts'ang sekhahla sa phetoho ea litekanyetso nakong ea ho qetela ea likhoeli tse tharo. Ntle le sena, mohlala o thehiloeng ho Random Forest o ne o tla ba mosing ho Weibull-LSTM.

Hobaneng LSTM e nang le kabo ea Weibull e le betere ho feta mokhoa o kopaneng oa sefate sa liqeto

Ntho e 'ngoe le e' ngoe e hlakile mona litšoantšong tse 'maloa feela.

Papiso ea Lift Curve bakeng sa algorithm ea khale le Weibull-LSTM

Papiso ea metric ea Lift Curve ka khoeli bakeng sa algorithm ea khale le Weibull-LSTM

Ka kakaretso, LSTM e phahametse algorithm ea khale hoo e ka bang maemong ohle.

Ho bolela esale pele

Moetso o ipapisitseng le netweke ea methapo ea kutlo e nang le lisele tsa LSTM e nang le kabo ea Weibull e ka bolela esale pele hore ho tla etsahala'ng, ka mohlala, ho bolela esale pele khohlano ea bareki nakong ea likhoeli tse tlang. Nahana ka nyeoe ea n = 3. Tabeng ena, khoeling e 'ngoe le e' ngoe, marang-rang a marang-rang a tlameha ho etsa qeto ka nepo hore na mofani o tla tloha, ho tloha khoeling e latelang ho fihlela khoeling ea khoeli. Ka mantsoe a mang, e tlameha ho etsa qeto ka nepo hore na moreki o tla lula kamora likhoeli tse n. Sena se ka nkoa e le ponelopele esale pele: ho bolela esale pele nako eo moreki a neng a qala ho nahana ka ho tsamaea.

Ha re bapise Lift Curve bakeng sa Weibull-LSTM 1, 2 le likhoeli tse 3 pele ho phallo:

Re se re ngotse ka holimo hore likhakanyo tse entsoeng bakeng sa bareki ba seng ba sa sebetse ka nako e itseng le tsona li bohlokoa. Ka hona, mona re tla eketsa sampole ea linyeoe tse joalo ha moreki ea tlohileng a se a sa sebetse khoeli e le 'ngoe kapa tse peli,' me re hlahlobe hore Weibull-LSTM e beha maemo a joalo ka mokhoa o nepahetseng e le churn. Kaha linyeoe tse joalo li ne li le teng mohlaleng, re lebelletse hore marang-rang a li sebetse hantle:

Ho boloka bareki

Ha e le hantle, ena ke eona ntho e ka sehloohong e ka etsoang, ho ba le boitsebiso bo matsohong a hore bareki ba joalo le ba joalo ba itokisetsa ho khaotsa ho sebelisa sehlahisoa. Ha u bua ka ho haha ​​​​mohlala o ka fanang ka ntho e molemo ho bareki e le hore u ba boloke, sena se ke ke sa etsoa haeba u se na histori ea liteko tse tšoanang tse neng li tla fela hantle.

Re ne re se na pale e joalo, kahoo re ile ra etsa qeto ka tsela ena.

1. Re etsa mohlala o khethollang lihlahisoa tse khahlisang bakeng sa moreki e mong le e mong.
2. Khoeli e 'ngoe le e 'ngoe re tsamaisa classifier le ho tsebahatsa ba ka tlohelang bareki.
3. Re fa bareki ba bang sehlahisoa, ho latela mohlala ho tloha ntlheng ea 1, 'me u hopole liketso tsa rona.
4. Ka mor'a likhoeli tse 'maloa, re sheba hore na ke efe ho bana ba ka sieang bareki ba setseng, e setseng. Kahoo, re etsa mohlala oa koetliso.
5. Re koetlisa mohlala ho sebelisa nalane e fumanoeng mohatong oa 4.
6. Ka boikhethelo, re pheta mokhoa ona, re nkela mohlala ho tloha mohato oa 1 ka mohlala o fumanoeng mohato oa 5.

Teko ea boleng ba ho boloka joalo e ka etsoa ka tlhahlobo e tloaelehileng ea A/B - re arola bareki ba ka tlohang ka lihlopha tse peli. Re fana ka lihlahisoa ho e 'ngoe ho latela mohlala oa rona oa ho boloka,' me ho e mong ha re fane ka letho. Re nkile qeto ea ho koetlisa mohlala o ka bang molemo o se o ntse o le ntlheng ea 1 ea mohlala oa rona.

Re ne re batla ho etsa hore karohano e hlalosoe ka hohle kamoo ho ka khonehang. Ho etsa sena, re khethile likarolo tse 'maloa tse ka hlalosoang habonolo: palo eohle ea litšebelisano, moputso, kakaretso ea kakaretso ea akhaonto, lilemo, tekano. Likarolo tse tsoang tafoleng ea "Limmapa" ha lia ka tsa nkoa e le tse sa tsebeng letho, 'me likarolo tse tsoang tafoleng ea 3 "Likonteraka" ha lia ka tsa nkoa ka lebaka la ho rarahana ha ts'ebetso e le ho qoba ho tsoa ha data pakeng tsa sete sa netefatso le sete sa koetliso.

Ho kopanya ho ile ha etsoa ho sebelisoa mefuta ea motsoako oa Gaussian. Lintlha tsa lintlha tsa Akaike li re lumelletse ho tseba hore na 2 optima. Molemo oa pele o lumellana le sehlopha se le seng. Ea bobeli e ntle, e sa buelloang hanyane, e lumellana le lihlopha tse 1. Ho latela sephetho sena, re ka fihlela qeto e latelang: ho thata haholo ho arola data ka lihlopha ntle le tlhaiso-leseling e fanoeng pele. Bakeng sa ho kopanya hantle, o hloka data e hlalosang moreki e mong le e mong ka botlalo.

Ka hona, bothata ba thuto e laoloang bo ile ba nkoa e le ho fa mofani e mong le e mong sehlahisoa se fapaneng. Ho ne ho nahanoa lihlahisoa tse latelang: "Term deposit", "Credit card", "Overdraft", "Consumer loan", "Card loan", "Mortgage".

Lintlha li ne li kenyelletsa mofuta o mong oa sehlahisoa: "Akhaonto ea hajoale". Empa ha rea ​​ka ra e nka ka lebaka la litaba tsa eona tse tlase. Bakeng sa basebelisi bao e leng bareki ba banka, i.e. ha ea ka ea khaotsa ho sebelisa lihlahisoa tsa eona, ho ile ha hahoa mohlala ho bolela esale pele hore na ke sehlahisoa sefe se ka ba khahlang. Ho ile ha khethoa ho theoha ha thepa e le mohlala, 'me boleng ba Phahamiso bakeng sa liperesente tse 10 tsa pele bo ile ba sebelisoa e le metric ea tlhahlobo ea boleng.

Boleng ba mohlala bo ka hlahlojoa setšoantšong.

Liphetho tsa mohlala oa tlhahiso ea lihlahisoa bakeng sa bareki

Phello

Mokhoa ona o re tliselitse sebaka sa pele sehlopheng sa "AI in Banks" ho RAIF-Challenge 2017 AI Championship.

Kamoo ho bonahalang kateng, ntho e ka sehloohong e ne e le ho atamela bothata ka tsela e sa tloaelehang le ho sebelisa mokhoa oo hangata o sebelisetsoang maemo a mang.

Le hoja ho tsoa ho hoholo ha basebelisi ho ka ba kotsi ea tlhaho bakeng sa lits'ebeletso.

Mokhoa ona o ka nkoa e le sebaka se seng moo ho leng bohlokoa ho ela hloko outflow, eseng feela libanka. Ka mohlala, re ile ra e sebelisa ho bala phallo ea rona - makaleng a Siberia le St. Petersburg a Rostelecom.

"Data Mining Laboratory" khampani "Batla portal "Sputnik"

Source: www.habr.com