شناسایی و طبقه بندی مشتریان بانکی با استفاده از یک مدل ترکیبی الگوریتم ژنتیک و ماشین بردار پشتیبان

در قلب تحول دیجیتال صنعت بانکداری، نیاز به سیستم های اعتبارسنجی دقیق و خودکار بیش از هر زمان دیگری احساس می شود. این پژوهش، یک چارچوب نوآورانه و قدرتمند را معرفی می کند که در آن، هوش الگوریتم های تکاملی برای تقویت یکی از robust ترین مدل های یادگیری ماشین به کار گرفته شده است. ما در این مطالعه، الگوریتم فراابتکاری ژنتیک (GA) را با ماشین بردار پشتیبان (SVM) تلفیق کرده ایم تا نه تنها پارامترهای حیاتی مدل را بهینه سازی کنیم، بلکه موثرترین ویژگی های مالی مشتریان را نیز به صورت هوشمندانه استخراج نماییم. هدف نهایی، حرکت فراتر از روش های سنتی و ساختن سیستمی است که قادر به پیش بینی ریسک اعتباری با دقتی بی سابقه باشد.

کلیدواژه ها:

یادگیری ماشین ، اعتبارسنجی بانکی ، ماشین بردار پشتیبان (SVM) ، الگوریتم ژنتیک (GA) ، بهینه سازی پارامتر ، طبقه بندی مشتریان