استفاده از الگوريتم داده¬كاوي نزديكترين همسايه براي بهبود كارايي ارتباط با مشتري به منظور توسعه بازار بانكها

پيشرفت در بكارگيري و جمع آوري داده با به خدمت گرفتن كامپيوتر و همچنين استفاده همگاني از وب و اينترنت به توان يك سيستم اطلاع رساني جهاني، داده¬كاوي را به عنوان يك ابزار مفيد جهت كمك به حل مسائل پيچيده مطرح ساخته است. در سال¬هاي اخير اعتبارسنجي به كاري مهم براي مؤسسات مالي مانند بانك¬ها و شركت¬هاي بيمه تبديل شده است. در حقيقت مديريت نامناسب در زمينه تخصيص اعتبار، زيان¬هاي زيادي را به مؤسسات مالي مخصوصاً در ايالات متحده امريكا و اروپا تحميل كرده است و حتي برخي از آنها را تا حد ورشكستگي سوق داده است. اعتبارسنجي به كاهش مخاطرات حاصل از اعطاي اعتبار مي¬پردازد. اين كار با پيش¬بيني صحيح رفتار مشتريان صورت مي¬گيرد. در واقع، مسأله اعتبارسنجي به صورت يك مسأله طبقه¬بندي قابل طرح است كه هدف آن استخراج مدل كارا و مناسبي است كه مشتريان را بر اساس ويژگي¬هايشان در دو دسته خوب و بد طبقه¬بندي نمايد. در اين پژوهش قصد داريم با استفاده از روش k- نزديكترين همسايه به بهبود كارايي ارتباط با مشتري به منظور توسعه بازار بانك¬ها بپردازيم و با استفاده از الگوريتم¬هاي تكاملي ويژگي¬هايي كه در اين رابطه تأثير بيشتري دارند را با وزن بيشتر و ويژگي¬هاي كم تأثير با وزن كمتري در طبقه¬بندي ظاهر و مورد استفاده قرار گيرند. به همين دليل از الگوريتم¬هاي تكاملي استفاده شده است تا وزن¬هاي بهينه ويژگي¬ها را براي طبقه¬بند k- نزديك¬ترين همسايه تعيين نمايند. نتايج نشان مي¬دهد كه وزن¬هاي حاصل الگوريتم ژنتيك باعث شد تا طبقه¬بند k- نزديك¬ترين همسايه با دقت 100%، 97.5% و 99.5% به ترتيب به ازاي داده¬هاي آموزشي، آزمايشي و كل داده¬ها طبقه¬بندي را انجام داده است.