Порівняльний аналіз методів машинного навчання для прогнозу відтоку користувачів на основі поведінкових даних

Скорочена інформація про документ
dc.contributor.advisorГуськова, Віра Геннадіївна
dc.contributor.authorМасловський, Дмитро Володимирович
dc.date.accessioned2026-09-08T12:01:54Z
dc.date.available2026-09-08T12:01:54Z
dc.date.issued2026
dc.description.abstractДипломна робота: 118 с., 53 рис., 12 табл., 27 посилань, додаток. Об'єктом дослідження є процес прогнозування відтоку користувачів на основі поведінкових даних із застосуванням методів машинного навчання. Предметом дослідження є методи машинного навчання для бінарної класифікації відтоку користувачів. Метою роботи є проведення порівняльного аналізу методів машинного навчання для прогнозування відтоку користувачів та визначення найбільш ефективного підходу. Актуальність дослідження зумовлена зростанням економічного значення задачі утримання клієнтів. У роботі проаналізовано явище відтоку користувачів, його вплив на фінансові показники бізнесу та сучасні підходи до прогнозування відтоку в різних галузях. Розглянуто алгоритми машинного навчання та методи попередньої обробки даних. Розроблено програму мовою Python, яка реалізує навчання та порівняння шести класичних та ансамблевих методів машинного навчання на відкритому наборі даних Telco Customer Churn. Встановлено, що найкращі результати продемонструвала LightGBM із застосуванням методу синтетичного збільшення міноритарного класу (SMOTE). Також показано недоцільність використання методу головних компонент (PCA) для цього набору даних та позитивний вплив SMOTE на якість класифікації. Аналіз важливості ознак підтвердив ефективність застосованого підходу до формування ознак. Отримані результати підтверджують практичну цінність запропонованого підходу та можливість його адаптації для інших задач прогнозування відтоку користувачів.
dc.description.abstractotherThesis: 118 p., 53 figures, 12 tables, 27 references, appendix. The object of the study is the process of customer churn prediction based on behavioral data using machine learning methods. The subject of the study is machine learning methods for the binary classification of customer churn. The purpose of the study is to conduct a comparative analysis of machine learning methods for customer churn prediction and to determine the most effective approach. The relevance of the study is driven by the growing economic significance of customer retention. The paper analyzes the phenomenon of customer churn, its impact on business performance indicators, and modern approaches to churn prediction in various industries. Machine learning algorithms and data preprocessing methods are reviewed. A Python program was developed to implement the training and comparison of six classical and ensemble machine learning methods on the open Telco Customer Churn dataset. It was established that LightGBM with the application of the Synthetic Minority Over-sampling Technique (SMOTE) demonstrated the best results. The study also demonstrated the impracticality of using Principal Component Analysis (PCA) for this dataset and the positive impact of SMOTE on classification performance. Feature importance analysis confirmed the effectiveness of the applied feature engineering approach. The obtained results confirm the practical value of the proposed approach and demonstrate the possibility of its adaptation to other customer churn prediction tasks.
dc.format.extent118 с.
dc.identifier.citationМасловський, Д. В. Порівняльний аналіз методів машинного навчання для прогнозу відтоку користувачів на основі поведінкових даних : дипломний проєкт … бакалавра : 122 Комп'ютерні науки / Масловський Дмитро Володимирович. – Київ, 2026. – 118 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/82871
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectмашинне навчання
dc.subjectбінарна класифікація
dc.subjectпрогнозування відтоку
dc.subjectpython
dc.subjectscikit-learn
dc.subjectповедінкові ознаки
dc.subjectmachine learning
dc.subjectbinary classification
dc.subjectchurn prediction
dc.subjectpython
dc.subjectscikit-learn
dc.subjectbehavioral features
dc.titleПорівняльний аналіз методів машинного навчання для прогнозу відтоку користувачів на основі поведінкових даних
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Maslovskyi_bakalavr.pdf
Розмір:
2.74 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ШІ)
Бакалаврські роботи