Modelos de propensão ao consumo baseados em rede neuronais, o caso particular do crédito pessoal

Detalhes bibliográficos
Autor(a) principal: Silva, Verónica Filipa dos Santos
Data de Publicação: 2009
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10362/3586
Resumo: Dissertação apresentada como requisito parcial para obtenção do grau de Mestre em Estatística e Gestão de Informação
id RCAP_992579bdfc21047a67be87a95479cc5a
oai_identifier_str oai:run.unl.pt:10362/3586
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Modelos de propensão ao consumo baseados em rede neuronais, o caso particular do crédito pessoalModelos de propensãoRedes neuronaisAlgoritmo de retropropagaçãoRegressão logísticaCurva ROCOversamplingLiftPropensity modelsNeural networksBack propagation algoritmLogistics regressionROC curveDissertação apresentada como requisito parcial para obtenção do grau de Mestre em Estatística e Gestão de InformaçãoO objectivo do presente trabalho consiste na criação de um modelo de propensão ao consumo aplicado ao caso particular do Crédito Pessoal através da aplicação de uma das técnicas mais populares de data mining: as redes neuronais. O tema reside na selecção dos clientes mais propensos para a constituição de um alvo a submeter a uma campanha reduzindo os custos de mailing e, em simultâneo, aumentando a taxa de resposta. Os dados utilizados baseiam-se nos clientes alvo de uma campanha que ocorreu no ano anterior à realização deste trabalho numa instituição financeira portuguesa, e que inclui variáveis como as características pessoais destes clientes e outras relacionadas como o envolvimento do cliente com a instituição. O desempenho dos modelos baseados nas redes neuronais, mais concretamente no algoritmo de Retropropagação, foi comparado com o dos modelos de regressão logística, sendo esta uma técnica mais tradicional e normalmente utilizada neste tipo de problemas de previsão.(...)Bação, Fernando José Ferreira LucasRUNSilva, Verónica Filipa dos Santos2010-05-21T13:09:45Z2009-03-192009-03-19T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10362/3586porinfo: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:RCAAP2024-03-11T03:33:19Zoai:run.unl.pt:10362/3586Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T03:15:23.407995Repositório 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 Modelos de propensão ao consumo baseados em rede neuronais, o caso particular do crédito pessoal
title Modelos de propensão ao consumo baseados em rede neuronais, o caso particular do crédito pessoal
spellingShingle Modelos de propensão ao consumo baseados em rede neuronais, o caso particular do crédito pessoal
Silva, Verónica Filipa dos Santos
Modelos de propensão
Redes neuronais
Algoritmo de retropropagação
Regressão logística
Curva ROC
Oversampling
Lift
Propensity models
Neural networks
Back propagation algoritm
Logistics regression
ROC curve
title_short Modelos de propensão ao consumo baseados em rede neuronais, o caso particular do crédito pessoal
title_full Modelos de propensão ao consumo baseados em rede neuronais, o caso particular do crédito pessoal
title_fullStr Modelos de propensão ao consumo baseados em rede neuronais, o caso particular do crédito pessoal
title_full_unstemmed Modelos de propensão ao consumo baseados em rede neuronais, o caso particular do crédito pessoal
title_sort Modelos de propensão ao consumo baseados em rede neuronais, o caso particular do crédito pessoal
author Silva, Verónica Filipa dos Santos
author_facet Silva, Verónica Filipa dos Santos
author_role author
dc.contributor.none.fl_str_mv Bação, Fernando José Ferreira Lucas
RUN
dc.contributor.author.fl_str_mv Silva, Verónica Filipa dos Santos
dc.subject.por.fl_str_mv Modelos de propensão
Redes neuronais
Algoritmo de retropropagação
Regressão logística
Curva ROC
Oversampling
Lift
Propensity models
Neural networks
Back propagation algoritm
Logistics regression
ROC curve
topic Modelos de propensão
Redes neuronais
Algoritmo de retropropagação
Regressão logística
Curva ROC
Oversampling
Lift
Propensity models
Neural networks
Back propagation algoritm
Logistics regression
ROC curve
description Dissertação apresentada como requisito parcial para obtenção do grau de Mestre em Estatística e Gestão de Informação
publishDate 2009
dc.date.none.fl_str_mv 2009-03-19
2009-03-19T00:00:00Z
2010-05-21T13:09:45Z
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/10362/3586
url http://hdl.handle.net/10362/3586
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
_version_ 1799137805174046720

Registros relacionados