Rodyti trumpą aprašą

dc.contributor.authorGriška, Egidijus
dc.date.accessioned2023-09-18T09:30:07Z
dc.date.available2023-09-18T09:30:07Z
dc.date.issued2023
dc.identifier.urihttps://etalpykla.vilniustech.lt/handle/123456789/111249
dc.description.abstractBaigiamajame 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.lit
dc.description.abstractThe 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.eng
dc.formatPDF
dc.format.extent61 p.
dc.format.mediumtekstas / txt
dc.language.isolit
dc.rightsLaisvai prieinamas internete
dc.source.urihttps://talpykla.elaba.lt/elaba-fedora/objects/elaba:168856689/datastreams/MAIN/content
dc.titleKlientų elgsenos analizė telekomunikacijos srityje
dc.title.alternativeAnalysis of customer behavior in the field of telecommunications
dc.typeMagistro darbas / Master thesis
dcterms.references0
dc.type.pubtypeETD_MGR - Magistro darbas / Master thesis
dc.contributor.institutionVilniaus Gedimino technikos universitetas
dc.subject.researchfieldN 001 - Matematika / Mathematics
dc.subject.studydirectionA03 - Statistika / Statistics
dc.subject.ltKlientų elgsenos prognozavimas
dc.subject.ltdvireikšmis klasifikavimas
dc.subject.ltmašininis mokymasis
dc.subject.ltXGBoost.
dc.subject.enCustomer churn prediction
dc.subject.enbinary classification
dc.subject.enmachine learning
dc.subject.enXGBoost.
dc.identifier.elaba168856689


Šio įrašo failai

Thumbnail

Šis įrašas yra šioje (-se) kolekcijoje (-ose)

Rodyti trumpą aprašą