运用遗传算法和极限增强建模电话推销过程：特征选择和成本敏感分析方法

Oct, 2023

运用遗传算法和极限增强建模电话推销过程：特征选择和成本敏感分析方法

Modeling the Telemarketing Process using Genetic Algorithms and Extreme Boosting: Feature Selection and Cost-Sensitive Analytical Approach

PDF

Nazeeh Ghatasheh, Ismail Altaharwa, Khaled Aldebei

TL;DR目前，几乎所有的直接营销活动都以虚拟方式进行，而不是面对面，这加剧了人际交往能力的下降。此研究旨在利用电话营销数据来建模客户对定期存款的意愿，并找出客户的最重要特征。通过从葡萄牙银行和国家社会经济指标收集的真实数据进行决策建模。该研究提出了一种基于遗传算法的新型分类器来选择最佳的区分特征，并同时调整分类器参数。建立了一个可解释的预测模型。模型经过严格验证，表现显著优于相关研究，准确率平均达到 89.07％，几何平均值为 0.059。该模型预期能以最小的成本实现最大的潜在利润，并为营销决策提供更多洞察。

Abstract

Currently, almost all direct marketing activities take place virtually rather than in person, weakening interpersonal skills at an alarming pace. Furthermore, businesses have been striving to sense and foster the

direct marketing interpersonal skills telemarketing data genetic algorithm-based classifier prediction model

发现论文，激发创造

特征选择与超参数优化的改进遗传算法：垃圾邮件预测中的 XGBoost 案例

近期，网上社交网络的垃圾邮件引起了研究和商业界的关注。本文提出了一种改进的遗传算法用于同时减少维度和超参数优化，针对不平衡数据集。该算法使用极限梯度提升分类器对推文数据集进行特征空间降维，生成垃圾邮件预测模型，并验证了模型的有效性。实证结果表明，改进的遗传算法在特征选择方面优于 Chi^2 和 PCA 方法，而极限梯度提升在垃圾邮件预测方面优于包括基于 BERT 的深度学习模型在内的许多机器学习算法。此外，该方法还应用于短信垃圾邮件建模并与相关工作进行比较。

Oct, 2023

直销中基于人工智能的客户画像、分群及销售预测

本文提出了一种数据挖掘预处理方法来开发客户画像系统，以提高销售业绩，包括客户权益估算和客户行为预测，研究强调客户分割方法和算法以提高预测准确性，主要结果是创建客户资料和商品销售预测。

Feb, 2023

一种基于可解释机器学习的分析顾客在线数据以识别产品属性重要性的方法

利用在线顾客数据，结合人工智能和游戏理论，本研究提出了一种方法用于产品设计和市场研究，提供全面的顾客需求理解，且在多标准决策的领域中表现优于基准方法。

Feb, 2024

运用自然语言处理理解金融领域客户呼叫背后的原因与动机

本研究通过 attention-based stacked bidirectional Long Short Term Memory Network followed by Hierarchical Clustering 和 Support Vector Machines、Logistic Regression 模型，开发出一个挖掘客户呼叫原因和驱动因素的框架，以提高数字信息环境下客户满意度并降低业务成本。

Oct, 2021

何时购买？购买时机的生存机器学习模型比较

利用机器学习技术，该研究分析了市场营销中的机器学习技术，如支持向量机、深度学习和生存模型，以预测个体的购买决策。研究发现，DeepSurv 模型预测购买完成度最好，这些洞见可帮助营销人员提高转化率。

Aug, 2023

提升效果与预测建模之比较分析

通过理论分析比较预测方法与提升建模方法，本论文针对二进制结果和二进制操作案例，从理论基础出发，重点讨论了提升建模方法的性能影响因素，研究贡献包括利润度量的新形式、提升曲线收敛于利润度量的正式证明以及在模拟中证明预测方法仍然优于提升建模的条件。特征和结果之间的信息互信息、估计器的方差、潜在结果的分布以及治疗和结果的成本与收益的底层因素发挥着重要作用。

Sep, 2023

数据驱动的金融领域统计和自然语言处理技术的内容创作

本文提出了一个通过摘要网络和层次聚类技术来提取客户提问的框架，同时对客户的问题进行语法和语义相似度分析，并采用 TF-IDF 和 BERT 计算相似性得分。

Sep, 2021

公平特征选择：多目标遗传算法比较

该研究论文研究了公平分类中的特征选择问题，通过比较两种基于遗传算法的多目标优化方法，即帕累托支配型遗传算法和词典优化型遗传算法，发现词典优化型遗传算法在提升准确性的同时，不降低分类器的公平性，为公平分类研究指明了一条有前景的新方向。

Oct, 2023

基于生物启发特征选择的慢性疾病预测数据集优化

通过比较分析，本研究证明了生物启发式优化算法在慢性疾病预测的特征选择中的有效性，并强调了数据预处理的重要性，为提高医疗保健结果提供了宝贵的见解。

Dec, 2023

自然语言处理数据集机器学习模型评估与特征重要性分析

该研究使用机器学习模型，对埃塞俄比亚一家私人银行提供的数据进行分析，发现 XGBoost 模型在 KMeans SMOTE 过采样数据上取得了最高的 F1 分数，而评估信贷风险时，申请人的年龄、就业年限和总收入等因素比抵押相关的因素更为重要。

Aug, 2022