| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Klientu aizplūšanas analītikas metožu analīze |
| Nosaukums angļu valodā |
Analysis of Methods in Customer Churn Analytics |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Vita Šakele |
| Recenzents |
Asociētais profesors Ērika Nazaruka |
| Anotācija |
Lai izdzīvotu konkurencē starp mūsdienu industrijām, ir obligāti jāsaprot klientu vajadzības, kuri varētu domāt, ka jāpāriet pie cita konkurenta tajā pašā jomā. Šis aspekts liek rūpniecības nozares pārstāvjiem aizdomāties par klientu aizplūšanas prognozēšanu, kas ir kritiski svarīga, prognozējot nozares vai biznesa nākotnes tendences. Šis darbs demonstrē paņēmienus, ko izmanto, lai analizētu klientu aizplūšanu no uzņēmumiem, sākot no klientu aizplūšanas definīcijām, līdz algoritmu tādu kā – lēmumu koki, loģistiskā regresija, naivais Beijess un atbalsta vektoru mašīnu praktiskai izmantošanai datu kopā. Turklāt šajā darbā ir apkopoti arī gadījumu pētījumi, ko šajā jomā ir veikuši citi autori. Secinājumos ir parādīts prognozēto rezultātu modeļu precizitātes līmenis. |
| Atslēgas vārdi |
KLIENTU AIZPLŪŠANA, MAŠĪNMĀCĪŠANĀS, LĒMUMU KOKI, ATBALSTA VEKTORU MAŠĪNAS, LOĢISTISKĀ REGRESIJA, NAIVAIS BEIJESS, MĀKSLĪGIE NEIRONU TĪKLI, PĀRPRATUMU MATRICA |
| Atslēgas vārdi angļu valodā |
CUSTOMER CHURNING, MACHINE LEARNING, DECISION TREES, SUPPORT VECTOR MACHINE, LOGISTIC REGRESSION, NAÏVE BAYES, ARTIFICIAL NEURAL NETWORK, CONFUSION MATRIX |
| Valoda |
eng |
| Gads |
2020 |
| Darba augšupielādes datums un laiks |
04.06.2020 16:32:21 |
