مقايسه بين الگوريتم تركيبي نزديكترين همسايه و آدابوست با ماشين بردار‌پشتيبان و بيزين براي دسته‌بندي مشتريان بانك

الگوريتم‌هاي دسته‌‌‌‌بندي مختلفي به منظور تحليل، دسته‌بندي و پيش‌بيني داده‌ها به كار گرفته مي‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌شود. اين الگوريتم‌ها از لحاظ كارايي، دقت و زمان محاسبه با يكديگر تفاوت دارند و هر كدام از اين الگوريتم‌ها مي‌تواند با توجه به مجموعه داده مورد نظر، استفاده شود. يكي از روش‌هايي كه مي‌تواند باعث بهبود دقت نتايج شود، استفاده از الگوريتم‌هاي تركيبي است. در اين نوع الگوريتم‌ها ابتدا از يك الگوريتم طبقه‌بندي استفاده مي‌كنند و سپس نتايج را به كمك الگوريتم ديگري بهبود مي‌دهند. اين مقاله به مقايسه الگوريتم تركيبي به‌دست آمده از دو الگوريتم -kنزديك‌ترين همسايه و آدابوست نسبت به دو دسته‌بند ماشين بردار پشتيبان و بيز ساده پرداخته است. اين مقايسه بعد از به‌كارگيري اين ۳ روش در مجموعه داده اي شامل اطلاعات شخصي و رفتاري مشتريان بانك سانتاندر اسپانيا به‌دست آمده است. مجموعه داده ما شامل اطلاعات ۱۳ ميليون شخص به عنوان مجموعه داده آموزشي و يك ميليون شخص به عنوان داده تست در نظر گرفته شده است. ارزيابي تجربي نشان مي‌دهد كه با الگوريتم تركيبي -kنزديك‌ترين همسايه و آدابوست با توجه به معيارهاي ارزيابي صحت و بازخواني و 1F- نتايج بهتري نسبت به ماشين بردار پشتيبان و بيز ساده به دست مي‌آيد.