We propose a data mining approach t

We propose a data mining approach to predict the success of telemarketing calls for selling bank long-term
deposits. A Portuguese retail bank was addressed, with data collected from 2008 to 2013, thus including the effects
of the recent financial crisis. We analyzed a large set of 150 features related with bank client, product and
social-economic attributes. A semi-automatic feature selection was explored in the modeling phase, performed
with the data prior to July 2012 and that allowed to select a reduced set of 22 features. We also compared four
Data Mining models: logistic regression, decision trees, neural network and support vector machine. Using
two metrics, area of the receiver operating characteristic curve and area of the cumulative curve
, the four models were tested on an evaluation set, using the most recent data (after July 2012) and a
rolling window scheme. The NN presented the best results, allowing to reach 79% of the subscribers by selecting the half better classified clients. Also, two knowledge extraction methods, a sensitivity analysis, were applied to the NN model and revealed several key attributes. Such knowledge extraction confirmed the obtained
model as credible and valuable for telemarketing campaign managers.

ผลลัพธ์ (ไทย) 2:

เราเสนอวิธีการทำเหมืองข้อมูลในการทำนายความสำเร็จของสายการตลาดทางโทรศัพท์สำหรับการขายของธนาคารในระยะยาวเงินฝาก ธนาคารค้าปลีกโปรตุเกสจ่าหน้ากับข้อมูลที่เก็บรวบรวม 2008-2013
จึงรวมทั้งผลกระทบของวิกฤตการเงินที่ผ่านมา เราวิเคราะห์ชุดใหญ่ 150
คุณสมบัติที่เกี่ยวข้องกับลูกค้าธนาคารผลิตภัณฑ์และคุณลักษณะทางสังคมเศรษฐกิจ การเลือกคุณลักษณะกึ่งอัตโนมัติมีการสำรวจในขั้นตอนการสร้างแบบจำลองที่ดำเนินการกับข้อมูลก่อนถึงเดือนกรกฎาคมปี 2012 และที่ได้รับอนุญาตเพื่อเลือกชุดที่ลดลงจาก 22 คุณสมบัติ
นอกจากนี้เรายังเทียบสี่รูปแบบการทำเหมืองข้อมูล: การถดถอยโลจิสติกต้นไม้ตัดสินใจเครือข่ายประสาทและการสนับสนุนเครื่องเวกเตอร์ ใช้สองตัวชี้วัดพื้นที่รับเส้นโค้งลักษณะการดำเนินงานและพื้นที่ของเส้นโค้งที่สะสมทั้งสี่รุ่นมีการทดสอบในชุดการประเมินผลโดยใช้ข้อมูลล่าสุด(หลังจากกรกฎาคม 2012) และโครงการหน้าต่างกลิ้ง NN นำเสนอผลลัพธ์ที่ดีที่สุดที่ช่วยให้ไปถึง 79% ของผู้ใช้บริการโดยการเลือกช่วงครึ่งลูกค้าจัดดีกว่า นอกจากนี้ยังมีสองความรู้วิธีการสกัดการวิเคราะห์ความไวถูกนำไปใช้กับรูปแบบ NN และเผยให้เห็นคุณลักษณะที่สำคัญหลาย การสกัดความรู้ดังกล่าวได้รับการยืนยันที่ได้รับรูปแบบเป็นที่น่าเชื่อถือและมีคุณค่าสำหรับผู้บริหารการตลาดทางโทรศัพท์แคมเปญ

ผลลัพธ์ (ไทย) 3:

เรานำเสนอการทำเหมืองข้อมูลวิธีการทำนายความสำเร็จของการตลาดทางโทรศัพท์โทรขายเงินฝากระยะยาว
ธนาคาร เป็นภาษาโปรตุเกสค้าปลีกธนาคารให้ความสนใจ กับข้อมูลจากปี 2008 ถึงปี 2013 ซึ่งรวมถึงผลกระทบ
ของวิกฤตการเงินล่าสุด เราวิเคราะห์ชุดใหญ่ 150 คุณสมบัติที่เกี่ยวข้องกับลูกค้าธนาคาร ผลิตภัณฑ์คุณลักษณะทางเศรษฐกิจและสังคม
.การเลือกคุณลักษณะกึ่งอัตโนมัติแบบสำรวจในขั้นตอนดำเนินการ
กับข้อมูลก่อนเดือนกรกฎาคม 2012 และได้รับอนุญาตให้เลือกลดตั้ง 22 คุณลักษณะ เรายังเทียบ 4
เหมืองข้อมูลแบบถดถอยโลจิสติก , ต้นไม้ , การตัดสินใจโครงข่ายประสาทเทียมและเครื่องเวกเตอร์สนับสนุน ใช้
2 วัด พื้นที่ ของ รับ งาน ลักษณะโค้งและพื้นที่ของ
เส้นโค้งสะสมสี่แบบทดสอบประเมินผลชุดการใช้ข้อมูลล่าสุด ( กรกฎาคม 2555 ) และ
กลิ้งหน้าต่างแบบ การไม่แสดงผลลัพธ์ที่ดีที่สุด , ให้ถึงร้อยละ 79 ของสมาชิก โดยการแบ่งครึ่งดีกว่า ลูกค้า ยังมีสองวิธีในการสกัดความรู้ การวิเคราะห์ความไว มาประยุกต์กับ NN รูปแบบและพบหลายคีย์แอตทริบิวต์การสกัดความรู้ดังกล่าวยืนยันได้
นางแบบที่น่าเชื่อถือและมีคุณค่าสำหรับผู้จัดการแคมเปญเทเลมาร์เก็ตติ้ง