Please use this identifier to cite or link to this item: http://hdl.handle.net/10362/3586
Title: Modelos de propensão ao consumo baseados em rede neuronais, o caso particular do crédito pessoal
Author: Silva, Verónica Filipa dos Santos
Advisor: Bação, Fernando José Ferreira Lucas
Keywords: 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
Defense Date: 19-Mar-2009
Series/Report no.: Mestrado em Estatística e Gestão de Informação;TEGI0232
Abstract: O 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.(...)
Description: Dissertação apresentada como requisito parcial para obtenção do grau de Mestre em Estatística e Gestão de Informação
URI: http://hdl.handle.net/10362/3586
Appears in Collections:NIMS - Dissertações de Mestrado em Estatística e Gestão da Informação

Files in This Item:
File Description SizeFormat 
TEGI0232.pdf37,06 MBAdobe PDFView/Open


FacebookTwitterDeliciousLinkedInDiggGoogle BookmarksMySpace
Formato BibTex MendeleyEndnote Degois 

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.