Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Feitosa, Alexandre Rômolo | - |
Autor(es): dc.contributor | Feitosa, Alexandre Rômolo | - |
Autor(es): dc.contributor | Teixeira, Eduardo Cotrin | - |
Autor(es): dc.contributor | Marquesone, Rosangela de Fátima Pereira | - |
Autor(es): dc.creator | Teruya, Hidemi Senno | - |
Data de aceite: dc.date.accessioned | 2025-08-29T13:33:22Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T13:33:22Z | - |
Data de envio: dc.date.issued | 2025-08-01 | - |
Data de envio: dc.date.issued | 2025-08-01 | - |
Data de envio: dc.date.issued | 2022-12-07 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/37656 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1115300 | - |
Descrição: dc.description | The popularization and development of data storage and manipulation tools, the use of machine learning concepts was allowed not only in the academic world, but also in the business world. Data has been a great ally for companies to be able to leverage their businesses even more, avoiding, for example, losing their customers in other words having an increase in the number of customers in churn. Knowing this, the presented work aims to present the analysis and the process followed to choose the best classification algorithm in the detection of custo- mers who entered churn before 90 days without using the card, which is the rule used in a credit card issuing company. The work resulted that, taking into account the f1-score and recall metrics, in addition to the execution time, the best algorithm is the Ada Boost, since it presented 0,99 of f1-score and Recall, and execution time equal to approximately 64,2 seconds. | - |
Descrição: dc.description | Com a popularização e o desenvolvimento das ferramentas de armazenamento e manipulação de dados, permitiu-se que o uso dos conceitos de machine learning não ficassem apenas no mundo acadêmico, mas também no mundo dos negócios. Os dados têm sido um grande aliado para as empresas conseguirem alavancar cada vez mais os negócios evitando, por exemplo, perderem os seus clientes, ou seja, que se tenha o aumento do número de clientes em churn. Sabendo disso, o trabalho apresentado tem como objetivo apresentar a análise e o processo percorrido para escolher o melhor algoritmo de classificação na detecção de clientes que entraram em churn (ou seja, abandonaram o produto) antes dos 90 dias sem a utilização do cartão, que é a regra utilizada em uma empresa emissora de cartão de crédito, tratada neste trabalho. O trabalho resultou que, levando em consideração as métricas de f1-score e recall, além do tempo de execução, o melhor algoritmo, é o Ada Boost, dentre quatro algoritmos testados no presente trabalho, pois apresentou 0.99 de f1-score e Recall, e tempo de execução igual a aproximadamente 64,2 segundos. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Cornelio Procopio | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Engenharia da Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | Attribution-NonCommercial-ShareAlike 4.0 International | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-sa/4.0/ | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Classificação | - |
Palavras-chave: dc.subject | Algoritmos | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Classification | - |
Palavras-chave: dc.subject | Algorithms | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | Análise de métricas para escolha do algoritmo de classificação de clientes em abandono (CHURN) | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: