Розробка інтерактивної системи предиктивної аналітики з використанням ансамблевих методів машинного навчання

Abstract

Об'єкт дослідження – прогнозування поведінки клієнтів банку в умовах ризику відтоку. Предмет дослідження – ансамблеві моделі машинного навчання для класифікації клієнтів. Мета роботи – створення веб-орієнтованої інтелектуальної системи предиктивної аналітики для автоматичного виявлення клієнтського відтоку. Методи дослідження – статистичний аналіз, машинне навчання(дерева рішень, бустинг, стекінг), оптимізація гіперпараметрів. Результати та новизна: розв'язано задачу прогнозування відтоку. Доведено високу ефективність XGBoost при дисбалансі класів. Модель адаптовано під ринок України з інтеграцією динамічної конвертації валют. Сфера застосування: банківський сектор, відділи ризик-менеджменту. Практична значимість: розроблено клієнт-серверний Flask застосунок. Інтерактивний дашборд оцінює ймовірність відтоку та візуально інтерпретує рішення ШІ. Висновки: ансамблеві моделі(зокрема XGBoost) є надійним інструментом виявлення ризиків. Їх впровадження дозволяє проактивно утримувати клієнтів, підвищуючи фінансову стабільність банку.