المقارنة بين تعلم الالة والتعلم العميق في بناء نموذج قادر على التنبؤ بخروج العملاء من الشركات الخدمية

ان ظهور الثورة الرقمية ومعها ظهور تقنيات تعلم الالة والتعلم العميق في الساحة كإضافة حديثة للقائمة الطويلة من المناهج والممارسات والأدوات العلمية، التي زودتنا بمنظور جديدة للكثير من مسائلنا التقليدية وساهمت في زيادة فهمنا لمنظومات عالمنا المعاصر ومسائل هذه المنظومات بقصد يمكننا من التحكم بها. حيث تعتمد الشركات تلك المعنية بالخدمات على وجه الخصوص على تقنيات تعلم الالة والتعلم العميق للقيام بعملياتها وإدارتها، والتفاعل مع عملائها ومورديها.
يهدف هذا البحث الى بناء نموذج قادر على التنبؤ بخروج العملاء من الشركات الخدمية، باستخدام خوارزميات تعلم الالة والتعلم العميق والمقارنة بينهم واختيار الاكثر دقة
وتم تطبيق ذلك على قاعدة بيانات عملاء تابعين لشركة اتصالات، وبعد تطبيق 8 خوارزميات من خوارزميات تعلم الالة خوارزمية الانحدار اللوجستى (Logistic regression) وخوارزمية الغابة العشوائية (Random Forest) وخوارزمية الجار الاقرب (KNN) K-Nearest Neighbor وخوارزمية باييز (Naive Bayes) وخوارزمية الة المتجهات الداعمةSupport vector machine (SVM) وخوارزمية شجرة القرار(Decision Tree) وخوارزمية تعزيز التدرج (Gradient Boosting) بجانب خوارزمية التعلم العميق (DNN) Deep neural networks ،وتمت المقارنة بينهم حسب المعايير(Recall ، CA،Precision ،( AUC ،وتم اختيار خوارزمية تعزيز التدرج التي أعطت أعلى دقة حيث وصلت نسبة الدقة إلى 84.7%
ومن خلال تحليل البيانات والنتائج والمعلومات المستخرجة، والتي طبقت عبر خوارزميات تعلم الالة والتعلم العميق فى البيانات امكن معرفة بعض العوامل المؤثرة والاسباب وراء خروج العملاء من شركات الاتصالات.