Criação de clusters de clientes de um banco através do self-organizing maps hierárquico: comparação entre HSOM e SOM

Detalhes bibliográficos
Autor(a) principal: Coelho, Inês Capote
Data de Publicação: 2013
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10362/10511
Resumo: Trabalho de Projeto apresentado como requisito parcial para obtenção do grau de Mestre em Estatística e Gestão de Informação, especialização em Gestão do Conhecimento e Inteligência de Negócio
id RCAP_135c471e5e5531b734377b0ee0d039dc
oai_identifier_str oai:run.unl.pt:10362/10511
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Criação de clusters de clientes de um banco através do self-organizing maps hierárquico: comparação entre HSOM e SOMArtificial Neural NetworkClusteringData MiningHierarchal Self Organizing MapKohonen algorithmSegmentationSelf Organizing MapUnsupervised learningTrabalho de Projeto apresentado como requisito parcial para obtenção do grau de Mestre em Estatística e Gestão de Informação, especialização em Gestão do Conhecimento e Inteligência de NegócioUm dos maiores desafios no processo de clustering está na multidimensionalidade da maioria dos problemas. A descrição de um fenómeno, necessita, normalmente, de um número elevado de variáveis, afetando assim, a eficiência dos algoritmos de clustering. Muitos destes algoritmos são sensíveis a variáveis divergentes, ou seja, com diferentes distribuições. Estas caracterizam-se por apresentar grandes diferenças quanto à tendência geral, o que lhes confere um maior peso na solução final de clustering. Como forma de contornar este aspeto, surge o HSOM (Hierarchical Self-Organizing Map), o qual permite agrupar as variáveis em vários temas, produzindo assim uma segmentação final onde cada um dos temas usados terá um impacto semelhante na mesma. Este Trabalho de Projeto vai debruçar-se sobre esta temática e envolve dois principais objetivos. O primeiro numa vertente teórica que visa explicar o método SOM (Self Organizing Maps) juntamente com o HSOM, dando a conhecer o modo como funcionam. O segundo, numa vertente prática, tendo o intuito de aplicar o método HSOM na construção de clusters, com base em clientes de um Banco, agrupando as variáveis nos seguintes temas: Marketing, Produção, Risco e Sociodemográficos. Com isto, o objetivo final será a construção de uma interface interativa e de fácil utilização que segmente os clientes, de modo a facilitar à obtenção de informação sobre os mesmos, auxiliar as análises futuras e diferenciar as ofertas nas campanhas de marketing direto. Neste âmbito, tanto o HSOM (com sete clusters) como o SOM (com cinco clusters) são concretizáveis. O HSOM permite reduzir a dimensionalidade dos problemas, a construção de uma estrutura natural do problema e exige menos esforço computacional usando diferentes SOMs para cada nível hierárquico.Dimensionality is one of the biggest challenges faced by clustering process. Usually, the description of a phenomenon requires a large number of variables, which affects the clustering algorithms efficiency. Many of these algorithms are sensitive to variables with large differences between their scales which gives them a bigger weight on the final clustering solution. HSOM (Hierarchical Self Organizing Maps) deals with this problem by grouping several variables in different subjects, producing a final segmentation where each subject has similar impact. This project focuses on this subject and has two main goals. Explaining SOM and HSOM methods by introducing them in a theoretical way is the first one. The second one is applying the HSOM and SOM methods in a customer bank database in order to build clusters by grouping the available variables in different subjects – Marketing, Performance, Risk and Socio-demographic. Thus will be possible to build an interactive and user friendly interface which will allow segmenting customers, making easier information search, supporting future analysis and creating different offers in direct marketing campaigns. In this context, HSOM (with seven clusters) and SOM (with five clusters) are achievable. The HSOM reduces the dimensionality of the problems, require less computational effort and construct a natural structure of the problem, using different SOMs for each hierarchical level.Bação, Fernando José Ferreira LucasHenriques, Roberto André PereiraRUNCoelho, Inês Capote2013-10-08T10:21:06Z2013-03-202013-03-20T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10362/10511TID:202249760porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-05-22T17:14:18Zoai:run.unl.pt:10362/10511Portal AgregadorONGhttps://www.rcaap.pt/oai/openairemluisa.alvim@gmail.comopendoar:71602024-05-22T17:14:18Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Criação de clusters de clientes de um banco através do self-organizing maps hierárquico: comparação entre HSOM e SOM
title Criação de clusters de clientes de um banco através do self-organizing maps hierárquico: comparação entre HSOM e SOM
spellingShingle Criação de clusters de clientes de um banco através do self-organizing maps hierárquico: comparação entre HSOM e SOM
Coelho, Inês Capote
Artificial Neural Network
Clustering
Data Mining
Hierarchal Self Organizing Map
Kohonen algorithm
Segmentation
Self Organizing Map
Unsupervised learning
title_short Criação de clusters de clientes de um banco através do self-organizing maps hierárquico: comparação entre HSOM e SOM
title_full Criação de clusters de clientes de um banco através do self-organizing maps hierárquico: comparação entre HSOM e SOM
title_fullStr Criação de clusters de clientes de um banco através do self-organizing maps hierárquico: comparação entre HSOM e SOM
title_full_unstemmed Criação de clusters de clientes de um banco através do self-organizing maps hierárquico: comparação entre HSOM e SOM
title_sort Criação de clusters de clientes de um banco através do self-organizing maps hierárquico: comparação entre HSOM e SOM
author Coelho, Inês Capote
author_facet Coelho, Inês Capote
author_role author
dc.contributor.none.fl_str_mv Bação, Fernando José Ferreira Lucas
Henriques, Roberto André Pereira
RUN
dc.contributor.author.fl_str_mv Coelho, Inês Capote
dc.subject.por.fl_str_mv Artificial Neural Network
Clustering
Data Mining
Hierarchal Self Organizing Map
Kohonen algorithm
Segmentation
Self Organizing Map
Unsupervised learning
topic Artificial Neural Network
Clustering
Data Mining
Hierarchal Self Organizing Map
Kohonen algorithm
Segmentation
Self Organizing Map
Unsupervised learning
description Trabalho de Projeto apresentado como requisito parcial para obtenção do grau de Mestre em Estatística e Gestão de Informação, especialização em Gestão do Conhecimento e Inteligência de Negócio
publishDate 2013
dc.date.none.fl_str_mv 2013-10-08T10:21:06Z
2013-03-20
2013-03-20T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10362/10511
TID:202249760
url http://hdl.handle.net/10362/10511
identifier_str_mv TID:202249760
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv mluisa.alvim@gmail.com
_version_ 1817545499160346624

Registros relacionados