Key points are not available for this paper at this time.
عدم توازن الفئات هو أحد العديد من مشاكل مجموعات بيانات ترك العملاء. واحدة من المشاكل الشائعة هي تداخل الفئات، حيث تحتوي البيانات على حالة مشابهة بين الفئات. تصبح مهمة توقع ترك العملاء أكثر تحديًا عندما يكون هناك تداخل فئات في بيانات التدريب. في هذا البحث، اقترحنا طريقة هجينة تعتمد على GAN الجدولي، تُدعى CTGAN-ENN، لمعالجة تداخل الفئات والبيانات غير المتوازنة في مجموعات بيانات العملاء الذين يتركون. استخدمنا خمسة مجموعات بيانات مختلفة حول ترك العملاء من منصة مفتوحة. CTGAN هو طريقة زيادة تعتمد على GAN الجدولي لمعالجة عدم توازن الفئات ولكنه يعاني من مشكلة تداخل الفئات. جمعنا بين CTGAN وتقنية تقليل العينة ENN للتغلب على تداخل الفئات. قامت CTGAN-ENN بتقليل عدد تداخل الفئات لكل ميزة في جميع مجموعات البيانات. أجرينا دراسة حول مدى فعالية CTGAN-ENN في كل تقنية تعلم آلي. استنادًا إلى تجاربنا، حققت CTGAN-ENN نتائج مرضية في الأداء التعليمي لكلاً من KNN وGBM وXGB وLGB في توقعات ترك العملاء. قارنا CTGAN-ENN بأساليب زيادة العينات الشائعة والأساليب الهجينة، وقد حققت CTGAN-ENN نتائج متفوقة مقارنة بأساليب العينات الأخرى وطرق مستوى الخوارزمية مع التعلم الحساس للتكلفة في عدة خوارزميات تعلم آلي. نقدم خوارزمية استهلاك الوقت بين CTGAN وCTGAN-ENN. حققت CTGAN-ENN استهلاكًا أقل للوقت مقارنة بـ CTGAN. توفر أعمالنا البحثية إطارًا جديدًا للتعامل مع مشاكل توقع ترك العملاء مع عدة أنواع من مجموعات البيانات غير المتوازنة ويمكن أن تكون مفيدة في البيانات الواقعية لتوقع ترك العملاء.
أديفوترا وآخرون (مون) درسوا هذا السؤال.