文献

J-GLOBAL ID：202002223682453888   整理番号：20A1059217

通信産業におけるChurn予測のための過剰生産と選択アプローチを用いたネスト化アンサンブル学習者の探索【JST・京大機械翻訳】

Exploring nested ensemble learners using overproduction and choose approach for churn prediction in telecom industry

著者 (5件)： Ahmed Mahreen (National University of Sciences and Technology, Islamabad, Pakistan) ,  Afzal Hammad (National University of Sciences and Technology, Islamabad, Pakistan) ,  Siddiqi Imran (Bahria University, Islamabad, Pakistan) ,  Amjad Muhammad Faisal (National University of Sciences and Technology, Islamabad, Pakistan) ,  Khurshid Khawar (National University of Sciences and Technology, Islamabad, Pakistan)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 32  号： 8  ページ： 3237-3251  発行年： 2020年 
JST資料番号： W0703A  ISSN： 0941-0643  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ハイブリッド学習者(アンサンブル)を作成するために複数の分類器を組み合わせることは,近年,人気を得た。アンサンブルは,個々の分類器と比較して,報告されている最良の予測を報告しているので,データマイニングの分野においてより多くの関心を集めている。これは,アンサンブル生成の新しい方法による実験をもたらした。本論文では,様々な学習者を組み合わせた集合の元の概念とは対照的に,提案したアンサンブルモデルは他のアンサンブルの組合せから構成される集合の元の概念とは対照的に,複数のアンサンブルモデルを組合せた新しいハイブリッド法の生成に関する研究を示した。特に,学習者を他の学習者の構成と組み合わせて,入れ子学習者を生成する。Boosted-Stacked学習者とBagged-Stacked学習者と名付けた2つのモデルを提案し,従来の集合より優れていることを示した。実験は,ベンチマーク顧客チャーンデータセット(UCIリポジトリ上で利用可能)と南アジア無線テレコムオペレータ(SATOと名付けた)から新しく作成したデータセットを用いて,チャーン予測ドメインで実行した。Satoデータセットは平衡データセットとして作成される。既存の最先端技術を上回るUCI Churnデータセットにおいて,新しいBoosted-Stacked学習者とBagged-Stacked学習者は,それぞれ98.4%と97.2%の精度を達成した。さらに,SATOデータセットに関する高い精度は,不均衡なデータセットと同様に平衡に関する提案したモデルの有効性を実証した。Copyright The Natural Computing Applications Forum 2018 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 通信業 ,  有効性 ,  ベンチマーク ,  南アジア ,  *データマイニング ,  リポジトリ
準シソーラス用語： アンサンブル学習 ,  *学習者 ,  ハイブリッド法 , 【Automatic Indexing@JST】

著者キーワード (5件)： データマイニング ,  Churn予測 ,  分類 ,  アンサンブル ,  電気通信産業

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 通信産業 ,  予測 ,  ネスト ,  アンサンブル学習 ,  探索