APLICAÇÃO DE TÉCNICAS DE DATA SCIENCE E MACHINE LEARNING EM UM PROBLEMA DE CLASSIFICAÇÃO DE UM DATASET DE MARKETING BANCÁRIO
A pesquisa explora o conceito de análise de dados com Ciência dos Dados (Data Science) ao utilizar Aprendizado de Máquina (Machine Learning) para resolver o problema de classificação de uma proposta de marketing Bancário. O dataset utilizado consiste no resultado de uma campanha de marketig em um banco de Portugal. Ele foi obtido no repositório da Universidade da Califórnia (UCI) e chama-se Bank Marketing Data Set. A composição do dataset está dividida em 45211 observações e 17 atributos incluindo os dados sobre a aceitação ou não da proposta pelo cliente do banco. Com isso, a pesquisa foca em desenvolver algoritmos de Aprendizado de Máquina que resolvam o problema de classificação para prever se o cliente aceitou ou não a proposta da propaganda. Os processos da metodologia incluem analisar o dataset, fazer análise exploratória de dados e plotagem de gráficos para conhecimento de quais variáveis são necessários manter ou retirar para aplicação do algoritmo, implementar a algoritmo KNN e Redes Neurais para classificação de valores. Como resultados a acurácia foi de 88% para a Rede Neural MLP e para o KNN. Como trabalhos futuros, é necessário mais testes para uma melhor comparação, porém foi possível prever a proposta do cliente e obter informações sobre perfis de consumo de clientes de um banco.
APLICAÇÃO DE TÉCNICAS DE DATA SCIENCE E MACHINE LEARNING EM UM PROBLEMA DE CLASSIFICAÇÃO DE UM DATASET DE MARKETING BANCÁRIO
-
DOI: 10.22533/at.ed.1572002033
-
Palavras-chave: Ciência de Dados, Aprendizado de Máquina, Redes Neurais, K-Nearest Neighbors, Marketing Bancário.
-
Keywords: Data Science, Machine Learning, Neural Network, K-Nearest Neighbors, Bank Marketing
-
Abstract:
The research explores the concept of Data Science by using Machine Learning to solve the classification problem of a Banking marketing proposal. The dataset used is the result of a marketing campaign in a bank of Portugal. It was obtained from the University of California (UCI) repository and is called Bank Marketing Data Set. The composition of the dataset is divided into 45211 observations and 17 attributes including data on whether or not the bank's client accepts the proposal. Thus, the research focuses on developing Machine Learning algorithms that solve the classification problem to predict whether or not the customer accepted the advertising proposal. The methodology processes include analyzing the dataset, doing exploratory data analysis with graph plotting to know which variables are necessary to maintain or remove for application of the algorithm, implementing the KNN algorithm and Neural Networks for comparison of values. As a result the accuracy was 88% for the Neural Network and the KNN. In future researches, further testing is needed for a better comparison, but it was possible to predict the customer's proposal and obtain information on customer consumption profiles from a bank.
-
Número de páginas: 10
- João Vitor Rebelo Viana
- Josecley Fialho Góes
- Anderson Alvarenga de Moura Meneses
- Nelson de Souza Amorim
