Εφαρμογή τεχνικών μάθησης με επίβλεψη για αποδοτικό CRM
Loading...
Date
2024-02-21
Authors
Κουλουλιάς, Ελευθέριος
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η τεχνητή νοημοσύνη (ΤΝ) αναφέρεται στον τομέα της επιστήμης των υπολογιστών που ασχολείται με τον σχεδιασμό και την ανάπτυξη συστημάτων που μπορούν να εκτελούν εργασίες που απαιτούν ανθρώπινη νοημοσύνη. Στόχος της αποτελεί η δημιουργία υπολογιστικών συστημάτων που έχουν την δυνατότητα να εκτελέσουν λειτουργίες όπως η μάθηση, η αναγνώριση προτύπων κι η λήψη αποφάσεων χωρίς την ανθρώπινη παρέμβαση. Τα βήματα που ακολουθούν τα συστήματα είναι αποτέλεμσα μηχανικής μάθησης. Ως μηχανική μάθηση περιγράφεται ένα σύνολο των ενεργειών και εργαλείων, που δίνουν τη δυνατότητα στα υπολογιστικά συστήματα να «ανθρώπινης σκέψης» δημιουργώντας αλγορίθμους που βασίζονται σε δεδομένα.
Η διπλωματική εργασία επικεντρώνεται στη σύγκριση αλγορίθμων μηχανικής μάθησης με επίβλεψη με στόχο την αξιολόγηση της αποδοτικότητάς τους για τη βελτιστοποίηση των διαδικασιών του Customer Relationship Management (CRM). Σε αυτό το πλαίσιο, χρησιμοποιήθηκαν αλγόριθμοι επιβλεπόμενης μηχανικής μάθησης όπως όπως οι Logistic Regression, KNN, Decision Trees, Naive Bayes, SVM, και Random Forest σε κατάλληλα datasets, με σκοπό τον εντοπισμό του πιο αποδοτικού αλγορίθμου, που θα συμβάλλει στην προβλεπτική ανάλυση και βελτιστοποίηση των υπηρεσιών που παρέχονται στους πελάτες. Για να έχουμε μια πιο ολοκληρωμένη εικόνα, τα μοντέλα εκπαιδεύτηκαν με ποσοστά δεδομένων 10%, 20% και 30% κι η αξιολόγησή τους έγινε με μετρικές όπως accuracy, recall και F1-Score κι απεικονίσεις confusion matrix και ROC-curve. Με βάση τα αποτελέσματα της συγκριτικής μελέτης, ο Random Forest αποδείχθηκε να είναι εμφανώς αποδοτικότερος.
Description
Keywords
Επιβλεπόμενη μηχανική μάθηση, Ταξινόμηση, Ακρίβεια