تعیین پارامترهای موثر در تشخیص مشتریان خوش حساب و بد حساب بانک

بانک ها با مشکلات زیادی در رابطه با اعطای تسهیلات به مشتریان خود، مواجه هستند. آنها باید مشتریان خود را شناسایی کرده و با توجه به سوابق موجود در زمینه ی بازپرداخت تسهیلات، مشتریان خود را دسته بندی نمایند. با توجه به این موضوع، مشتریان خوش حساب برای اعطای تسهیلات ترجیح داده می شوند. تکنیک های داده کاوی برای رسیدن به این هدف، از روش های قضاوتی بهتر می باشند. هدف این پروژه، بررسی عملکرد دو تکنیک داده کاوی، خوشه بندی و شبکه عصبی در شناسایی مشتریان خوش حساب و بدحساب بانک می باشد. در این مقاله از الگوریتم k-mean در خوشه بندی و مدل پرسپترون در شبکه عصبی استفاده شده است. از مجموعه داده ای شامل 200 رکورد از اطلاعات مشتریان یکی از بانک های ایران، جهت بررسی مدل های فوق استفاده شده است. نتایج بررسی ها نشان می دهد که استفاده از مدل پرسپترون با دقت 94%، دارای دقت بیشتری نسبت به الگوریتم k-mean می باشد که دارای 78% دقت است.