Login for students

Login for employees

Publication detail

Modelling bank customer behaviour using feature engineering and classification techniques
Authors: Abedin Mohammad Zoynul | Hájek Petr | Sharif Taimur | Satu Shahriare | Khan Imran
Year: 2023
Type of publication: článek v odborném periodiku
Name of source: Research in International Business and Finance
Publisher name: Elsevier Science BV
Place: Amsterdam
Page from-to: 101913
Titles:
Language Name Abstract Keywords
cze Modelování chování bankovních zákazníků s využitím technik příznakového inženýrství a klasifikace Tato studie zkoumá chování a aktivity zákazníků v bankovním sektoru a využívá různé techniky transformace funkcí k převodu dat o chování do různých datových struktur. Následně je proveden výběr příznaků, aby se z transformovaných datových souborů vytvořily podmnožiny příznaků. Na původní a transformované podmnožiny příznaků je aplikováno několik klasifikačních metod používaných v literatuře. Navržený kombinovaný model dolování znalostí umožňuje provést srovnávací studii predikce chování bankovních zákazníků. K experimentální analýze je použit reálný soubor dat o bankovních zákaznících, sestavený z 24 000 aktivních a neaktivních zákazníků, který vrhá nové světlo na úlohu inženýrství příznaků při klasifikaci bankovních zákazníků. Podrobná systematická analýza modelování chování bankovních zákazníků, kterou tento článek obsahuje, může bankovním institucím pomoci podniknout správné kroky ke zvýšení aktivity jejich zákazníků. Chování zákazníků; dolování dat; transformace příznaků; výběr příznaků; klasifikační techniky
eng Modelling bank customer behaviour using feature engineering and classification techniques This study investigates customer behaviour and activity in the banking sector and uses various feature transformation techniques to convert the behavioural data into different data structures. Feature selection is then performed to generate feature subsets from the transformed datasets. Several classification methods used in the literature are applied to the original and transformed feature subsets. The proposed combined knowledge mining model enable us to conduct a benchmark study on the prediction of bank customer behaviour. A real bank customer dataset, drawn from 24,000 active and inactive customers, is used for an experimental analysis, which sheds new light on the role of feature engineering in bank customer classification. This paper's detailed systematic analysis of the modelling of bank customer behaviour can help banking institutions take the right steps to increase their customers' activity. Customer behaviour; Data mining; Feature transformation; Feature selection; Classification techniques

Map

en.mapy.cz

Services

Popular Links

© 2023 University of Pardubice, Studentská 95, 532 10 Pardubice 2
Phone: +420 466 036 111, 466 036 112, 466 036 113
Webmaster, RSS
Data box ID: f5vj9hu
Accessibility Statement
CC BY-NC-ND 4.0