数据科学案例研究

问题描述 投票:-2回答:2

请帮助我得到以下问题的正确答案,这是在一次面试中提出的。

有一家银行,没有用户访问银行用于不同的服务,但大多数用户给出了不良评级并且不满意。银行应该怎么做才能确定收视率不佳的原因。银行捕获数据,如用户信息,处理用户的代理信息,提供的服务,以及不支持的内容。

  1. 如何识别仅使用机器学习技术在不良评级中发挥重要作用的规则或原因。
  2. 如果我们构建分类模型,则用户将不满意/满意。然后,假设我们得到了不满意的用户列表。现在我们应该如何利用这些未满足用户的数据来帮助银行提高评级和业务。
machine-learning classification data-science
2个回答
1
投票

训练分类器以预测不满意度。

不要使用神经网络,而是可以解释的东西。

然后解释模型的特征重要性。

一个好的选择是随机森林。


0
投票

我希望你不满意的客户数据集有关于不满意原因的信息以及他们从银行获得的用户详细信息,年龄,地区和服务等其他属性。在这种情况下,可能会出现需要更多ML模型和算法的情况。训练和优化以获得准确的图片。但是,要寻找的关键因素是与他们相关的服务,不满意的原因以及可能是他们被映射到的代理人。上述3个关键属性可以用回归模型执行,以获得预测和改进计划。请注意,ML模型的选择还取决于数据集的详细分析,并从利益相关者那里询问和推导正确的问题。

© www.soinside.com 2019 - 2024. All rights reserved.