خلاصة:
زمینه و هدف: هدف از پژوهش حاضر مواجهه با مشکل عدم توازن دادهها به عنوان یک مسئله نهادینه شده در حوزة تحقیقات علوم انسانی است. عدم توازن در بین دادههای متعلق به کلاس اقلیت و اکثریت باعث تمایل الگوریتمهای طبقهبند به سمت کلاس اکثریت میشود. روششناسی: در این پژوهش پس از بررسی دادههای اولیه و ملاحظۀ ضعف و مشکل الگوریتمهای پیشبینی برای این دادهها، از روشهای مختلف متوازنسازی دادهها و تقویت قدرت پیشبینی الگوریتمها بر اساس مدلهای فرااکتشافی استفاده شده است. یافتهها: نتایج نشان داد که با استفاده از دادههای اولیه به هیچ وجه نمیتوان به یک پیشبینی قابل اتکا و قابل استفاده دست یافت. به کارگیری روشهای نمونهگیری مجدد با استفاده از خوشهبندی مشتریان و ترکیب کلاسهای اقلیت و اکثریت به روشهای مختلف و مطابق با الگوریتم ارائه شده میتواند توان پیشبینی طبقهبندها را به طرز شگفتانگیزی افزایش داده و در موقعیتهای مختلف مورد استفاده قرار گیرد. نتیجهگیری: این پژوهش با استفاده از نتایج حاصل از کدهای XML استخراج شده در هر مرحله به شناسایی هر چه دقیقتر مشتریان بالقوه پرداخته و نیز با ترکیب معیارهای مختلف ارزیابی مدل به روشی ابتکاری در جهت تغییر خروجی مدلهای پیشبینی از حالت باینری به فازی، گامی فراتر از یافتهها و نتایج پژوهشهای پیشین برداشته شده است.
ملخص الجهاز:
ارائه الگوریتم پویا با استفاده از مدل های فرااکتشافی در جریان داده ها بر اساس نمونه گیری مجدد به منظور ارتقاء پیش بینی پاسخ مشتریان مهدی زکی پور١، سینا نعمتی زاده ٢، محمدعلی افشار کاظمی ٣ چکیده زمینه و هدف : هدف از پژوهش حاضر مواجهه با مشکل عدم توازن داده ها به عنوان یک مسئله نهادینه شده در حوزه تحقیقات علوم انسانی است .
نتیجه گیری: این پژوهش با استفاده از نتایج حاصل از کدهای XML استخراج شده در هر مرحله به شناسایی هر چه دقیق تر مشتریان بالقوه پرداخته و نیز با ترکیب معیارهای مختلف ارزیابی مدل به روشی ابتکاری در جهت تغییر خروجی مدل های پیش بینی از حالت باینری به فازی از یافته ها و نتایج پژوهش های پیشین گامی فراتر برداشته شده است .
بـه منظور فائق آمدن بر این مشکل ، در این مرحله اقدام به توسـعه و معرفـی الگـوریتمی اثـربخش شـده است ، به نحوی که پس از گروه بندی بازار هدف به دو گروه از مشتریانی که به فعالیت هـای بازاریـابی مستقیم شرکت پاسخ داده و نداده اند، اقدام به ایجاد دسته هایی مرکب از خوشه های مختلـف مشـتریان غیر پاسخ گو و پاسخ گو نموده و سپس پاسخ مشتریان را به وسیله مدل های مختلف طبقه بند، پیش بینـی و در نهایت عملکرد آن ها را مورد بررسی و تحلیل قرار خواهد گرفت .
Paper presented at the International Conference on Data Warehousing and Knowledge Discovery.
Paper presented at the Data Mining International Conference on.
C. X Ling Paper presented at the Kdd. and sales Data mining techniques: for marketing .
Decision Support Systems Using data mining for bank direct .