افزایش کارایی سیستم در پیش بینی ریزش مشتریان با ترکیب روش انتخاب ویژگی مبتنی بر نهنگ و ترکیب طبقه بند مبتنی بر ژنتیک

کاهش مشتریان (ریزش مشتری) به معنای از دست دادن مشتریان به دلیل عدم رضایت از محصولات یا خدمات و پشتیبانی ضعیف است. این موضوع برای کسب وکارها به دلیل تاثیر منفی بر درآمد و سودآوری بسیار مهم است. پیش بینی ریزش مشتریان کلید اصلی ارائه راهکارهای حفظ مشتری و جلوگیری از این مشکل است. در این پژوهش جهت پیشبینی ریزش مشتریان از یک فرآیند چند مرحله ای بهره گرفته شده است. در مرحله ی نخست عملیات پیش پردازش به منظور بهبود کیفیت داده ها صورت می گیرد. در مرحله ی دوم عملیات استخراج ویژگی توسط الگوریتم نهنگ صورت خواهد گرفت. بعد از انتخاب ویژگی های موثر، جهت انجام عملیات طبقه بندی از روش ترکیب طبقه بند استفاده گردیده است. در این پژوهش از طبقه بندهای پایه نظیر ماشین بردار پشتیبان، نزدیک ترین همسایه و درخت تصمیم استفاده گردیده است که نتایج این طبقه بندها توسط الگوریتم ژنتیک ترکیب گردیده اند. پارامترهای ارزیابی مورد استفاده در این پژوهش شامل معیارهای دقت، صحت، فراخوان و معیار F می باشد که به ترتیب مقادیر ۸۵.۵، ۸۷.۲۴، ۹۵.۳۵ و ۹۱.۱۱ را بدست آورده است. نتایج آزمایشها نشان داد که دقت روش پیشنهادی نسبت به دیگر روشهای بیان گردیده در مقاله ی مرجع بالاتر می باشد. دلیل برتری روش پیشنهادی ابتدا به الگوریتم استخراج ویژگی مربوط می باشد. در روش پیشنهادی عملیات استخراج ویژگی توسط الگوریتم نهنگ صورت گرفته است در حالی که در روش مقاله ی مرجع، جهت انتخاب ویژگی از الگوریتم جستجوی گرانشی بهره گرفته شده است.

کلیدواژه ها:

ریزش مشتریان ، استخراج ویژگی ، انتخاب ویژگی ، طبقه بندی ، الگوریتم نهنگ