Comparative study of the classification models for prediction of bank telemarketing

Elzhan Zeinulla, Karina Bekbayeva, Adnan Yazıcı

2018

Закрытый доступ Метаданные (CSL-JSON)
DOI 10.1109/icaict.2018.8747086
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

This research paper has evaluated various classification models for prediction of bank telemarketing campaign results regarding the probability of the subscription of the customer to the deposit. The effectiveness of these algorithms has been evaluated by Receiving Operator Characteristic (ROC) and Cumulative Accuracy Profile (CAP) curve analysis, the accuracy of the algorithm and variance of the predictions. According to the results of the research, the best model for bank telemarketing effectiveness prediction are Random Forest and Deep Artificial Neural Network. The Logistic Regression and Naive Bayes are not as suitable as the other classification methods for this kind of problems due to the poor accuracy and overfitting issues.