درختان تصمیم گیری

درختان تصمیم گیری به عنوان یکی از تکنیک های داده کاوی می توانند به اعتبارسنجی مشتریان بانکی بپردازند. مسئله ی اصلی ساخت درختان تصمیم گیری است که بتوانند به طور بهینه مشتریان را طبقه بندی کنند. در این مقاله یک مدل مناسب اعتبارسنجی مشتریان بانک ها برای اعطای تسهیلات اعتباری متناسب با هر طبقه مبتنی بر الگوریتم ژنتیک ارایه می شود. الگوریتم های ژنتیک می توانند با انتخاب ویژگی های مناسب و ساخت درختان تصمیم گیری بهینه به اعتبارسنجی مشتریان کمک کنند. در ساخت این مدل فرآیند توسعه در شناخت الگو و فرآیند CRISP برای اعتبارسنجی مشتریان به کار رفته است. مدل طبقه بندی پیشنهادی مبتنی بر تکنیک های خوشه بندی، انتخاب ویژگی ها، درختان تصمیم گیری و الگوریتم ژنتیک است. این مدل به انتخاب و ترکیب بهترین درختان تصمیم گیری مبتنی بر معیارهای بهینگی و ساخت درخت تصمیم گیری نهایی برای اعتبارسنجی مشتریان می پردازد. نتایج نشان می دهد که دقت طبقه بندی مدل طبقه بندی پیشنهادی به طورتقریبی از تمام مدل های درخت تصمیم گیری مقایسه شده در این مقاله بالاتر است. هم چنین تعداد برگ ها و اندازه ی درخت تصمیم گیری و در نتیجه ی پیچیدگی آن از همه کمتر است.

طبقه بندی مشتریان با استفاده از الگوریتم های داده کاوی، بانک ها را قادر به حفظ و وفاداری مشتریان قدیم و جذب مشتریان جدید خواهد کرد. یکی از روش های داده کاوی، درخت تصمیم گیری است و چنانچه درخت تصمیم مناسبی ساخته شود، می توان مشتریان را به طور بهینه طبقه بندی کرد. در این نوشتار، یک مدل مناسب برای طبقه بندی مشتریان بر مبنای بهره گیری از خدمات اینترنت بانک ارائه شده است. این مدل بر اساس استاندارد CRISP-DM انجام گرفته و داده های مورد نیاز از پایگاه داده مشتریان اینترنت بانک سینا استخراج شده است. در میان سایر درختان تصمیم گیری، درخت تصمیم نهایی مبتنی بر معیارهای بهینگی و دقت بوده و براساس دسته بندی مشتریان در سه سطح بالا، متوسط و پایین، پیش بینی مشتریان جدیدی که متقاضی استفاده از اینترنت بانک هستند، شکل می گیرد. پژوهش پیش رو از نظر هدف، کاربردی و از نظر گردآوری داده ها، پژوهشی اسنادی به شمار می رود. قوانین استخراج شده مربوط به مشتریان، مدیران بانک ها را قادر می کند تا بر اساس الگوهای کشف شده سیاست گذاری کنند و درک بهتری از انتظارات کنونی و آتی مشتریان داشته باشند.