1. Firstly, we adopt a domain-drive

1. Firstly, we adopt a domain-driven data mining strategy and utilize data mining techniques to analyze the data from fixed-line users for establishing a late payment prediction system, namelythe Combined Mining-based Customer Payment Behavior Predication System (CM-CoP).
2. Secondly, the average accuracy of the CM-CoP model was 78.53% under an average recall of 88.13% and an average gain of 11.2% after a six-month validation

ผลลัพธ์ (ไทย) 1:

1. ประการแรก เรานำกลยุทธ์การทำเหมืองข้อมูลโดเมนในการขับเคลื่อน และใช้เทคนิคเหมืองข้อมูลการวิเคราะห์ข้อมูลจากผู้ใช้โทรศัพท์สำหรับการสร้างปลายทำนายระบบรับชำระเงิน namelythe การทำเหมืองแร่รวมลูกค้าชำระพฤติกรรม Predication ระบบ (CM-CoP)2. ประการที่สอง ความแม่นยำเฉลี่ยของแบบจำลอง CoP ซม.เป็น 78.53% ภายใต้การเรียกคืนเฉลี่ย 88.13% และมีกำไรเฉลี่ย 11.2% หลังจากการตรวจสอบหกเดือน

ผลลัพธ์ (ไทย) 2:

1. ขั้นแรกเรานำมาใช้เป็นกลยุทธ์การทำเหมืองข้อมูลโดเมนเป็นตัวขับเคลื่อนและใช้เทคนิคการทำเหมืองข้อมูลในการวิเคราะห์ข้อมูลจากผู้ใช้โทรศัพท์พื้นฐานสำหรับการสร้างระบบการทำนายการชำระเงินล่าช้า, namelythe รวมการทำเหมืองแร่ที่ใช้ชำระเงินของลูกค้าพฤติกรรม predication ระบบ (CM-COP) .
2 ประการที่สองความถูกต้องเฉลี่ยของรุ่น CM-ตำรวจเป็น 78.53% ภายใต้การเรียกคืนเฉลี่ย 88.13% และมีกำไรเฉลี่ย 11.2% หลังจากที่มีการตรวจสอบหกเดือน

ผลลัพธ์ (ไทย) 3:

1 . ประการแรก เรา adopt กลยุทธ์โดเมนข้อมูลเหมืองแร่และใช้เทคนิคการทำเหมืองข้อมูลเพื่อวิเคราะห์ข้อมูลจากโทรศัพท์พื้นฐานใช้สําหรับสร้างสายเงินการทำนายระบบ namelythe เหมืองแร่รวมลูกค้าชำระเงินตามพฤติกรรมทั่วไปของระบบ ( cm . )2 . ประการที่สอง ความถูกต้องเฉลี่ยของ CM ตำรวจแบบเฉลี่ย 78.53 % ภายใต้การเรียกคืน 88.13 % และเฉลี่ยที่ได้จาก 11.2% หลังจากการตรวจสอบเป็นเวลา 6 เดือน