Advertisement
![[AKC2022] 기업의 Digital 전환을 위한 Lean Business Agility 코칭 회고(김태영)](https://cdn.slidesharecdn.com/ss_thumbnails/y7bt0uadrq2dkekjppcs-6-221208040747-810f75af-thumbnail.jpg?width=600&height=600&fit=bounds)
3차프로젝트 스페인 santander 은행 고객 데이터를 활용한 금융상품 추천
Feb. 13, 2017•0 likes•1,400 views
5 likes
Be the first to like this
Show More
views
Total views
0
On Slideshare
0
From embeds
0
Number of embeds
0
Download to read offline
Report
Data & Analytics
Kaggle에서 스페인 글로벌 은행 Santander가 과제로 제시한 ‘Santander Product Recommendation’ Competition에 참여. 2015년 1월부터 2016년 5월 까지의 Santander 은행의 고객 데이터를 분석하여 랜덤포레스트, 로지스틱회귀분석, 나이브베이지의 머신러닝 기법을 활용해 2016년 6월에 고객이 가입할 상품을 예측
Hyun-Jin JungFollow
Advertisement
3차프로젝트 스페인 santander 은행 고객 데이터를 활용한 금융상품 추천
- Santander Product Recommendation
- Contents 1. 프로젝트 개요 2. 데이터 개요 및 변수 설명 3. 분석 환경 4. SEMMA Process
- 1. 프로젝트 개요
- 4
- 5 김 진 아 전 병 훈정 현 진 시각화, 알고리즘 적용, 평가 방법 연구 EDA, 변수 생성, 데이터 전처리, 알고리즘 적용 EDA, 전처리, 알고리즘 공부&적용, 캐글 제출
- 2. 데이터 개요 및 변수 설명
- 7 데이터 셋 〮〮〮 〮〮〮 데이터 개요
- 8
- 9
- 3. 분석 환경
- 11 2GB
- 4. SEMMA Process
- 4-1. Sampling
- 14 Sampling Data Partitioning Data Raw Data “ ”
- 15 Test Data 194,648 15 Saving Account 194,659 4 Guarantees 77,290 117373 Current Accounts 179,756 14907 Payroll Account 193,045 1618 Junior Account 〮〮〮
- 4-2.Exploring
- 20 5030 40 60 70 80 90 100 150000 100000 50000 0 Female maleUnknown 150000 100000 50000 VIP Individuals college graduated unknown 150000 100000 50000 150000 100000 50000 ~ 50 51~100 101~150 151~200 200~
- Segment VIP Individuals college graduated unknown
- seniority ~ 50 51~100 101~150 151~200 200~
- age ~25 26~35 36~45 46~55 56~65 66~
- 4-3. Modify
- 22 . 01 02 03 04 05 06 07 …
- 23
- 24 “ ”
- 25 기존 변수
- 26 [1] Mortgage => Direct Debit 0.0061232 0.8603142 5.960670 [2] Payroll => Pensions 0.0625038 1.0000000 14.813015 [3] Pensions => Payroll 0.0625038 0.9258697 14.813015 [4] Payroll => Payroll Account 0.0592032 0.9471936 10.451423 [5] Pensions => Payroll Account 0.0638628 0.9460006 10.438259 ConfidenceSupport Lift ... 1 2 3 4
- 4-4. Modeling
- 28
- 29 “ ”
- 30
- 31
- 32 <
- 33 “ ”
- 34 Rendom Forest Naive Bayesian Logistic Regression Rendom Forest Naive Bayesian Logistic Regression Rendom Forest Naive Bayesian Logistic Regression Rendom Forest Naive Bayesian Logistic Regression Rendom Forest Naive Bayesian Logistic Regression Rendom Forest Naive Bayesian Logistic Regression 〮〮〮 0.305 0.938 0.290 0.333 0.764 0.356 0.718 0.613 0.713 0.700 0.400 0.300 0.841 0.609 0.919 0.967 0.812 0.977
- 35
- 4-5. Assessment
- 37 2016.06 고객ID 예측 상품 7개 실제 구매한 상품 (정답) Precision Average Precision 1 A, B, C, D, E, F, G B 0.5 0.5 / 1(정답 개수) 2 A, B, C, D, E, F, G A 1 1 / 1 (정갑 개수) 3 A, B, C, D, E, F, G G 0.14 0.14 / 1(정답개수) MAP@7 = = 0.2466 EX)
- 38
- 39
Advertisement