Гуськова, Віра ГеннадіївнаМасловський, Дмитро Володимирович2026-09-082026-09-082026Масловський, 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.https://ela.kpi.ua/handle/123456789/82871Дипломна 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.118 с.ukмашинне навчаннябінарна класифікаціяпрогнозування відтокуpythonscikit-learnповедінкові ознакиmachine learningbinary classificationchurn predictionpythonscikit-learnbehavioral featuresBachelor Thesis