机构名称：
¥ 1.0
Selahadin Nurga Babeta和百万Meshesha doi：https：//doi.org/10.33545/26648776.2024.v6.i2a.59摘要这项研究努力以通过应用机器学习Algorithms的应用来增强电信通风信用式信用风险预测。为了达到财务稳定和客户满意度，埃塞俄比亚电信是埃塞俄比亚的最高电信提供商，必须有效地管理信用风险。准确的信用风险预先词典可以帮助企业确定更有可能违约的通话时间信用的客户，从而实现积极的措施以降低风险并提高财务绩效。本研究数据集中包含的历史客户信息包括客户资料，呼叫记录，信用还款历史记录和使用数据。数据预处理技术在模型培训之前使用以处理缺失值，编码分类变量并减少功能，从而确保数据集的质量和一致性。机器学习算法，例如随机森林，逻辑回归，Na've贝叶斯和K-最近的邻居（KNN），以在不同的实验条件下构建预测模型。在控制了类不平衡和引入新属性的影响之后，实验结果表明，随机的森林和逻辑回归机器学习算法在预测通话时间信用风险方面表现出了有希望的结果。这项研究的主要挑战之一是处理数据集中的班级失衡，在该数据集中，违约违约信用信用额的客户数量明显高于那些没有通话时间的客户。为了应对这一挑战，未来的工作应集中于实施处理类别不平衡的先进技术，例如合成数据生成（例如SMOTE）和探索组合方法，这些合奏方法结合了多种算法以提高预测性能。另外，连续合并新的和相关的属性并完善特征选择过程将进一步提高模型的准确性和可靠性。关键字：电信服务，机器学习，电信通话时间，信用风险预测在当今竞争激烈的商业环境中介绍，理解和管理风险的重要性在科学界内部引起了人们的关注。“风险”的概念渗透到各种经济，社会和科学文本，其在金融，银行，保险和医学中的突出性显着[7]。对于企业，尤其是那些提供电信，识别和管理流程中风险因素等服务的服务对于维持竞争优势至关重要。以快速的技术进步和不断发展的商业模式为特征的电信部门，需要对可持续成功的风险因素有全面的了解。在这个动态市场中，管理风险，例如流失分析，欺诈检测，客户细分和最佳使用电信基础设施[16]。电信行业中一个特定关注的领域是信用风险，近年来已经获得了重要意义。激活过程中个人和企业客户的信用风险分析对于运营流程至关重要。在电信部门的背景下，信贷风险转化为潜在的利润，现金流不足和可能导致破产的财务挑战[7，16]。提供通话时间信用，允许用户获得短期通话时间贷款的服务已成为电信公司的战略产品。需要立即通话但无法购买充电卡的客户可以利用此服务，从而增加客户满意度和平均收入[6]。在埃塞俄比亚，埃塞俄比亚电信推出了一项通话信用服务，该服务已见证了大量利用，数以百万计的用户每月访问它，并为组织收入做出了重大贡献[2]。但是，管理与通话时间贷款相关的信用风险提出了挑战，尤其是在确定符合条件的客户并预测其信誉时。为此打扮，机器学习是人工智能的一部分，已经获得了突出。
使用机器学习的电信通话信用风险预测
主要关键词
相关文件推荐
