Klientų elgsenos analizė telekomunikacijos srityje

Abstract

Baigiamajame magistro darbe buvo siekiama suprognozuoti telekomunikacijos klientų elgseną. Norint išlaikyti klientus šiame sektoriuje, šis uždavinys tampa itin svarbiu ir aktualiu. Magistro darbo literatūros apžvalgoje yra aprašoma dažniausiai taikoma metodologija, sprendžiant panašius binario klasifikavimo uždavinius. Atlikus literatūros analizę nuspręsta analizuoti „XGBoost“ metodą ir palyginti jo tikslumą su kitais mašininio mokymosi metodais. Apžvelgus taikomą metodologiją yra atliekamas skirtingų mašininio mokymosi metodų modeliavimo rezultatų palyginimas po pirminio modeliavimo, kryžminės validacijos, hiperparametrų paieškos, taip pat atliktas palyginimas tarp skirtingų duomenų balansavimo metodų, identifikuojami prasmingi kintamieji, kurie labiausiai daro įtaką klientų elgsenai.

The master's thesis aimed to predict the behavior of telecommunications customers. In order to retain customers in this sector, this task becomes extremely important and relevant. The literature review of the master's thesis describes the most commonly used methodology for solving similar binary classification tasks. After the literature analysis, it was decided to analyze the "XGBoost" method and compare its accuracy with other machine learning methods. After reviewing the methodology, comparison between the applied machine learning methods are made after initial simulation, cross-validation, parameter search, as well as a comparison between various class balancing methods and identifying meaningful data that influence the behavior of customers.