بكارگيري تكنيك‌هاي خوشه‌بندي و الگوريتم ژنتيك در بهينه‌سازي درختان تصميم گيري براي اعتبارسنجي مشتريان بانك ها

درختان تصمیم گیری به عنوان یكی از تكنیك های داده كاوی كاربرد زیادی در اعتبارسنجی مشتریان بانك و شناسایی آن ها برای اعطای تسهیلات اعتباری دارد. مسئله اصلی در پیچیدگی درختان تصمیم گیری، اندازه بیش از حد، عدم انعطاف پذیری و دقت كم در طبقه بندی است. هدف از این مقاله ارائه مدل تركیبی در بهینه سازی درختان تصمیم گیری توسط تكنیك الگوریتم ژنتیك به منظور حل مسائل ذكر شده در فوق برای اعتبارسنجی مشتریان بانك است. به نظر می رسد بتوان با انتخاب ویژگی های مناسب و ساخت درختان تصمیم گیری توسط الگوریتم ژنتیك به كاهش پیچیدگی و افزایش انعطاف پذیری درختان تصمیم گیری پرداخت. در مدل تركیبی پیشنهادی ابتدا داده های اعتباری توسط تكنیك خوشه بندی SimpleKmeans به دو خوشه تقسیم می شوند. سپس با استفاده از الگوریتم ژنتیك، پنج الگوریتم انتخاب ویژگی مبتنی بر سه رویكرد فیلتر، Wrapper و طرح جاسازی شده بر پایه درخت تصمیم گیری ژنتیكی، به انتخاب ویژگی های اعتبارسنجی مهم در مجموعه داده می پردازند. در ادامه پنج درخت تصمیم گیری مبتنی بر الگوریتم C4.5 در هر خوشه با مجموعه ویژگی های منتخب ساخته می شود. بهترین درختان تصمیم گیری در هر خوشه مبتنی بر معیارهای بهینگی مورد نظر در این مقاله انتخاب شده و با هم تركیب می شوند تا درخت تصمیم گیری نهایی برای اعتبارسنجی مشتریان بانك ایجاد شود. ابزار یادگیری ماشین وكا و نرم افزار GATree برای رسیدن به نتایج بكار گرفته شده است. نتایج پژوهش نشان می دهد كه استفاده از مدل تركیبی پیشنهادی در ساخت درخت تصمیم گیری منجر به افزایش دقت طبقه بندی نسبت به بسیاری از الگوریتم های مقایسه شده در این مقاله می شود؛ ولی پیچیدگی الگوریتم مدل تركیبی پیشنهادی از برخی الگوریتم های طبقه بندی مقایسه شده در این مقاله بیشتر است.