الگوریتم بهینه سازی علف هرز بهبودیافته برای انتخاب ویژگی در حوزه پیشبینی رویگردانی مشتری

رویگردانی مشتری تبدیل به یکی از مسائلی شده است که بسیاری از شرکتهای فعال در صنایع مختلف نظیر مخابرات و بانکداری را دچار چالش کرده است. روشهای دادهکاوی و یادگیری ماشین برای پیشبینی رویگردانی و شناسایی مشتریان رویگردان در تحقیقات قبلی مورد ا ستفاده قرار گرفته اند. مجموعه داده های مورد ا ستفاده در پیشبینی روی گردانی مشتریان دارای تعداد ویژگی زیاد هستند که انتخاب ویژگیهای مرتبط از بین آنها اهمیت ویژهای در عملکرد مدل پیشبینی دارد. در این مقاله یک روش انتخاب ویژگی مبتنی بر الگوریتم بهینه سازی علف هرز مهاجم ارائه شده است که تنوع بیشتری در راه حلهای ارائه شده در الگوریتم ایجاد میکند. روش ارائه شده مفهوم تقاطع را جهت جلوگیری از افتادن الگوریتم در بهینه محلی بکار می گیرد. الگوریتم ارائه شده با روشهای انتخاب ویژگی رقیب در حوزه پیشبینی رویگردانی مقایسه گردید. نتایج نشان میدهد که ویژگیهای انتخاب شده توسط الگوریتم توسعه داده شده بهترین عملکرد را بر مبنای معیار AUC1 در مقایسه با روشهای رقیب ارائه میکند.