phân loại khách hàng sử dụng thẻ tín dụng

Thông tin về bảng dữ liệuSỐ DƯ CÒN LẠI TRONG THẺ TẦN SUẤT UPDATE SỐ DƯ TRONG THẺ[0,1] SỐ LƯỢNG MUA HÀNG THỰC HIỆN SỐ TIỀN MUA TỐI ĐA 1 LẦN THỰC HIỆN SỐ LƯỢNG MUA HÀNG TRẢ GÓP CỦA CHỦ THẺ

ĐẠI HỌC BÁCH KHOA HÀ NỘI

VIỆN TOÁN ỨNG DỤNG VÀ TIN HỌC

Báo cáo môn học hệ hỗ trợ quyết định:

Đề tài: phân loại khách hàng sử dụng

thẻ tín dụng

GVHD: TS Lê Chí Ngọc

Vấn đề đặt ra

Dữ liệu sử dụng

Kết quả và Nhận xétThuật toán Kmeans

Nội dung

*Hiện nay, tại các ngân hang việc đăng kí sử dụng thẻ tín dụng trở nên đơn giản hơn khi bạn chứng minh

được tài chính, thông tin cá nhân minh bạch…

SỐ LƯỢNG KHÁCH HÀNG TĂNG LÊN, CẦN HỆ THỐNG PHÂN LOẠI KHÁCH HÀNG ĐỂ CÓ NHỮNG CHÍNH SÁCH PHÙ HỢP

DỮ LIỆU

Thông tin về bảng dữ liệu

SỐ DƯ CÒN LẠI TRONG THẺ

TẦN SUẤT UPDATE SỐ DƯ TRONG THẺ([0,1])

SỐ LƯỢNG MUA HÀNG THỰC HIỆN

SỐ TIỀN MUA TỐI ĐA 1 LẦN THỰC HIỆN

SỐ LƯỢNG MUA HÀNG TRẢ GÓP CỦA CHỦ THẺ

TIỀN MẶT TRẢ BỞI CHỦ THẺ

SỐ LƯỢNG GIAO DỊCH VỚI TIỀN MẶT

SỐ GIAO DỊCH ĐƯỢC THỰC HIỆN KHI MUA HÀNG

SỐ LƯỢNG THANH TOÁN BỞI CHỦ THẺ

GIÁ TRỊ TỐI THIỂU THANH TOÁN

PHẦN TRĂM THANH TOÁN ĐẦY ĐỦ CỦA KH

HẠN DÙNG DỊCH VỤ CỦA THẺ TÍN DỤNG

THUẬT TOÁN KMEANS

*Phân cụm là kỹ thuật quan trong trong khai phá dữ liệu, nó thuộc lớp các phương pháp unsupervised learning trong

Machine Leanrning Trong thuật toán này, chúng ta không biết nhãn (label) của từng điểm dữ liệu mục đích là làm thế nào để phân các điểm dữ liệu vào các nhóm khác nhau sao cho các điểm trong từng một cụm có tinh chất giống nhau

Với tâm cụm cho trước, ta gán nhãn cho các điểm dữ liệu sao cho khoảng cách từ điểm đến tâm nhãn là nhỏ nhất

Với các điểm dữ liệu cùng nhãn, ta tìm tâm cụm của nhãn đó sao cho khoảng cách đến tâm cụm đến các điểm trong cụm là nhỏ nhất

Thuật toán dừng lại khi tâm các cụm sau vòng lặp liền nhau là không đổi

THUẬT TOÁN KMEANS

Trong thuật toán Kmeans, với K là số cụm cho trước, ta thực hiện vòng lặp 2 bài toán tối ưu

THUẬT TOÁN ELBOW

Thuật toán ELBOW để lựa chọn số cụm tối ưu k cho dữ liệu, dựa trên chí số WSS

WSS ( with cluster sum of square): chỉ số thể hiện tổng khoảng các từ điểm dữ liệu đến các tâm của nhóm mà chúng được gán nhãn

Tuy nhiên, việc lựa chọn số tâm cụm đôi khi phụ thuộc vào kinh nghiệm hay yêu cầu của bài toán, nhưng thông thường khi sử dụng ELBOW, người ta sẽ chọn số tâm cụm là sự biến thiên WSS trước và sau là không quá lớn

THUẬT TOÁN ELBOW

Kết quả chạy thuật toán

Sử dụng thuật toán ELBOW để tìm số cụm

Chọn số cụm : 7

Kết quả chạy thuật toán

Chí số các cụm, gán nhãn cho các điểm dữ liệu

Kết quả chạy thuật toán

Nhận xét các nhóm dữ liệu:

L: Low(thấp)

M:Medium(trung bình)

H: Hight(cao)

DEMO

Kết quả phân tích với số cụm bằng 3

Trước hết, ta có kết quả tâm các cụm khách hàng

Một số bảng phân tích

Nhóm 1; 73%

2291

nhóm 3; 1%

Chuỗi 1 Chuỗi 2 Chuỗi 2

Phân bổ số tiền chi tiêu

số tiền mua hàng tối đa 1 lần số tiền trả góp số tiền trả góp

số tiền mặt tiêu dùng số tiền mặt tiêu dùng số tiền mặt tiêu dùng

Một số chỉ số cập nhật

tần suất mua hàng tần suất cập nhật số dư tần suất mua hàng trả góp

giới hạn thẻ số tiền thanh toán tối thiểu số tiền thanh toán tối thiểu

Nhóm 2: Tốt

Nhóm 1: Khá

Nhóm 0: Trung bình

Nhận xét chung

Xin cảm ơn!!!