بکارگیری تکنیکهای خوشه بندی و الگوریتم ژنتیک در ساخت درختان تصمیم گیری برای طبقه بندی بهینه مشتریان بانکها

بانکها به منظور تعیین ریسک اعتباری و ارائه خدماتمالی به مشتریان خودنیازمند شناسای دقییق آنها هستند مدلهای اعتبار سنجی می تواننددر این زمینه به پشتیبانی از بانکها بپردازند درختان تصمیم گیری به عنوان یکی از تکنیکهای داده کاوی کاربرد زیادی در اعتبار سنجی مشتریان بانکها و اعطای تسهیلات اعتباری به آنها دارند. مسئله اصلی شامل دقت طبقه بندی پیچیدگی اندازه بیش از حد و عدم انعطافپذیری درختان تصمیم گیری در طبقه بندی و اعتبار سنجی مشتریان است هدف از این مقاله ارائه مدل تلفیقی پیشنهادی برای حل مسائل فوق و بهینه سازی درختان تصمیمگیری و با بکارگیری تکنیکهای خوشه بندی و الگوریتم ژنتیک است می توان با انتخاب ویژگیهای مناسب توسط الگوریتم ژنتیک و ساخت درختان تصمیم گیری به کاهش پیچیدگی افزایش انعطاف پذیری و دقت طبقه بندی پرداخت در مدل تلفیقی پیشنهادی ابتدا عمل خوشه بندی برروی مجموعه داده اعتباری صورت می گیرد. سپس توسط الگوریتم طبقه بندی متا و الگوریتم انتخاب ویژگی مبتنی بر درخت تصمیم گیری ژنتیکی درخت تصمیم گیری C4.5 در هر خوشه ساخته می شود در نهایت با اتخاذ یک استراتژی مناسب بهترین درختان تصمیم گیری در هر خوشه برای اعتبار سنجی مشتریان انتخاب می شود.

کلیدواژه ها:

اعتبار سنجی ، طبقه بندی ، الگوریتم ژنتیک ، درختان تصمیم گیری ، انتخاب ویژگی ، خوشه بندی