tailieunhanh - Ứng dụng phương pháp học máy dự báo khả năng khách hàng rời bỏ dịch vụ thẻ tín dụng

Bài viết "Ứng dụng phương pháp học máy dự báo khả năng khách hàng rời bỏ dịch vụ thẻ tín dụng" nhằm dự báo khả năng khách hàng rời bỏ dịch vụ thẻ tín dụng tại ngân hàng bằng các phương pháp học máy. Các phương pháp được sử dụng bao gồm Random Forest, SVM, Naïve Bayes, hồi quy Logistic, và phương pháp kết hợp cả 4 phương pháp trên . | Ứng dụng phương pháp học máy dự báo khả năng khách hàng rời bỏ dịch vụ thẻ tín dụng Nguyễn Thị Thu Trang1 Nguyễn Thị Liên2 Phạm Thị Ngọc Bích3 Kiều Nguyệt Kim4 Trường Đại học Kinh tế quốc dân1 2 3 Học viện Ngân hàng4 Ngày nhận 17 02 2023 Ngày nhận bản sửa 27 03 2023 Ngày duyệt đăng 27 03 2023 Tóm tắt Bài viết này nhằm dự báo khả năng khách hàng rời bỏ dịch vụ thẻ tín dụng tại ngân hàng bằng các phương pháp học máy. Các phương pháp được sử dụng bao gồm Random Forest SVM Naïve Bayes hồi quy Logistic và phương pháp kết hợp cả 4 phương pháp trên. Kết quả phân tích cho thấy các phương pháp này đều có chất lượng dự báo khá tốt với độ chính xác cao. Đặc biệt kết quả dự báo bằng Random Forest tốt nhất trên tất cả các tiêu chí bao gồm Accuracy Precision Sensitivity Specificity và F1 score. Ngoài ra những yếu tố quan trọng nhất ảnh hưởng đến khả năng rời bỏ dịch vụ thẻ tín dụng của khách hàng là về lịch sử giao dịch thẻ tín dụng và mối quan hệ của khách hàng với ngân hàng. Kết quả này có thể mang lại những khuyến nghị cho nhà quản lý ngân hàng trong việc giữ chân khách hàng đang sử dụng dịch vụ thẻ tín dụng. Từ khóa phương pháp học máy khách hàng rời bỏ thẻ tín dụng Application of machine learning in predicting credit card customer churn Abstract This paper aims to forecast the likelihood of customers leaving bank credit card services using machine learning methods. The methods used include Random Forest SVM Naïve Bayes Logistic regression and a combination of all four methods. The results show that those methods have good predictive quality with high accuracy. In particular the prediction results by Random Forest are the best on all criteria from accuracy sensitivity specificity to F Score. In addition the most important factors affecting the customer churn probability are indicators related to transaction history products and the relationship between the bank and the customer. This result can provide recommendations for bank managers in retaining customers who are using .