Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.ufc.br/handle/riufc/60628| Tipo: | TCC |
| Título : | Aplicação de um modelo de aprendizagem de máquina para predição de churn: um estudo de caso |
| Título en inglés: | Application of a learning model of churn prediction machine: a study of case |
| Autor : | Martins, Lucas Gomes |
| Tutor: | Klug, Jeferson Leandro |
| Palabras clave : | Floresta aleatória;Aprendizado de máquina;Modelo preditivo |
| Fecha de publicación : | 2021 |
| Citación : | MARTINS, Lucas Gomes. Aplicação de um modelo de aprendizagem de máquina para predição de churn: um estudo de caso. 2021. 32 f. Monografia (Graduação em Engenharia Metalúrgica) – Universidade Federal do Ceará, Fortaleza, 2021. |
| Resumen en portugués brasileño: | O aprendizado de máquina é um algoritmo computacional de análise de dados que automatiza a construção de modelos analíticos. O campo de aplicação desses modelos é bastante vasto, sendo utilizado na engenharia, medicina, segurança pública, operações de crédito e diversas outras áreas. O presente trabalho utiliza o modelo de floresta aleatória para classificar clientes de uma empresa varejista que deixarão de utilizar os serviços prestados. A base de dados utilizada foi uma amostra do quantitativo total de clientes e é composta por todos os clientes que tiveram seus serviços cancelados nos últimos seis meses e clientes ativos escolhidos aleatoriamente. O conjunto de dados utilizado foi dividido em dois outros conjuntos, sendo um para treino e outro para teste do modelo preditivo. A escolha do modelo de floresta aleatória mostrou-se bastante assertiva uma vez que as estatísticas de performance e validação do algoritmo reforçam a força preditiva do modelo, apresentando uma acurácia de 98% e precisão de 97%. |
| Abstract: | Machine learning is a computational data analysis algorithm that automates the construction of analytical models. The field of application of these models is quite vast, being used in engineering, medicine, public security, credit operations and several other areas. The present work uses the random forest model to classify customers of a retail company that will no longer use the services provided. The database used was a sample of the total number of customers and is composed of all customers who had their services canceled in the last six months and active customers randomly chosen. The data set used was divided into two other sets, one for training and the other for testing the predictive model. The choice of the random forest model proved to be quite assertive since the algorithm's performance and validation statistics reinforce the predictive strength of the model, presenting an accuracy of 98% and a precision of 97%. |
| URI : | http://www.repositorio.ufc.br/handle/riufc/60628 |
| Aparece en las colecciones: | ENGENHARIA METALÚRGICA - Monografias |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 2021_tcc_lgmartins.pdf | 688 kB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.