01
Δεκ
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΔΙΟΙΚΗΣΗΣ
Ονοματεπώνυμο: ΕΜΜΑΝΟΥΗΛ ΚΟΝΤΟΠΑΝΟΣ
Αριθμός Μητρώου: 2017010003
Θέμα:
Τίτλος στα Ελληνικά: ΠΡΟΒΛΕΨΗ ΑΠΩΛΕΙΑΣ ΠΕΛΑΤΩΝ ΜΕ ΧΡΗΣΗ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ
Τίτλος στα Αγγλικά: CUSTOMER CHURN PREDICTION USING NEURAL NETS
Εξεταστική Επιτροπή:
Επιβλέπων: Τσαφαράκης Στέλιος, Αναπληρωτής Καθηγητής
Πρώτο Μέλος: Ατσαλάκης Γεώργιος, Αναπληρωτής Καθηγητής
Δεύτερο Μέλος: Κρασαδάκη Ευαγγελία, ΕΔΙΠ
Περίληψη:
Η απώλεια των πελατών αποτελεί ένα από τα σημαντικότερα προβλήματα των επιχειρήσεων. Για τη συγκεκριμένη διπλωματική εργασία, χρησιμοποιούνται νευρωνικά δίκτυα για την δημιουργία ενός μοντέλου ικάνού να προβλέψει πιθσνή απώλεια πελατών. Τα δεδομένα λαμβάνονται από την Kaggle και η ανάλυση τους γίνεται με τη χρήση του λογισμικού Orange Data Mining το οποίο αποτελεί μία βιβλιοθήκη αλγορίθμων Μηχανικής Μάθησης και βασίζεται στη γλώσσα Python. Η αξιολόγηση του μοντέλου διενεργείται με διάφορους συνδυασμούς των υπερπαραμέτρων. Λόγω του μικρού αριθμού πελατών που τελικά αποχωρούν, δημιουργείται το πρόβλημα της άνισης κατανομής των κλάσεων και για την αντιμέτωπισή του προβλήματος αυτού, η βάση δεδομένων τροποποιείται με χρήση μεθόδων feature engineering, όπως το one-hot encoding και το MinMaxScaler. Επιπλέον, χρησιμοποιούνται τεχνικές, όπως το Random Oversampling, το Random Undersampling, το SMOTE και το SMOTE-ENN από τις οποίες παράγονται βάσεις δεδομένων με διαφορετικές προσεγγίσεις. Η τελική επίδοση του μοντέλου εξελίσσεται σημαντικά με τη χρήση της τεχνικής SMOTE-ENN, επιτυγχάνοντας τιμές AUC ίσες με 0.963.
Ημ/νία εξέτασης: 1/12/2023
Ώρα: 11,30
Χώρος εξέτασης:
Αίθουσα: https://tuc-gr.zoom.us/j/84376874961?pwd=WTVEY1RZQzhST0lUcDNuR1U5T1M1dz09