Razvrščanje komitentov banke v skupineDeželak, Eva (Avtor) Todorovski, Ljupčo (Mentor) Kodre, Jurij (Komentor) strojno učenjerazvrščanje v skupinemetoda k-tih voditeljevmetoda k-tih medoidovindeks obrisovDunnov indeksnaključni gozdRazvrščanje komitentov banke v skupine postaja čedalje bolj priljubljena tema, saj morajo banke do komitentov pristopati bolj individualno, če želijo ostati konkurenčne. Z razvrstitvijo komitentov v skupine lahko do vsake skupine komitentov razvijejo drugačen pristop in s tem povečajo tako zadovoljnost komitentov kot tudi lastni dobiček. Magistrsko delo ponuja pristop k iskanju optimalne metode za razvrščanje komitentov NLB banke na podlagi dveh algoritmov strojnega učenja: metode k-tih voditeljev in metode k-tih medoidov. Ključni del predstavlja izbira in identifikacija modela ter njegovih parametrov. Razvrščanje komitentov v skupine izvedemo večkrat, za različne nabore vhodnih spremenljivk in različne nastavitve parametrov algoritma, ter iščemo tisti model, pri katerem je razvrščanje najbolj uspešno. Dobljeno razvrščanje ocenimo z metodami za vrednotenje kakovosti razvrščanja v skupine, kjer uporabimo indeks obrisov in Dunnov indeks. Na podlagi vrednosti obeh indeksov izberemo optimalno kombinacijo algoritma in parametrov za razvrščanje. Na koncu pojasnimo izbrano optimalno razvrščanje v skupine s pomočjo porazdelitve najpomembnejših spremenljivk, katere pridobimo na podlagi algoritma naključnih gozdov.20232023-09-24 08:15:04Magistrsko delo/naloga150847VisID: 136716COBISS_ID: 166718723sl