用于预测直销活动中定期存款订阅的贝叶斯回归
机器学习
2024-10-30 v1 人工智能
摘要
在银行业竞争激烈的环境中，精确预测客户行为对于最大化营销举措的有效性和改善财务结果至关重要。本研究旨在利用一家葡萄牙银行的直销数据，检验 logit 和 probit 模型在预测定期存款订阅方面的有效性。数据集中包含若干影响订阅概率的人口统计、经济和行为特征。为了提高模型性能并提供无偏评估，考虑到数据集中固有的不平衡性，对目标变量进行了平衡处理。使用贝叶斯技术和留一交叉验证（LOO-CV）评估了这两个模型的预测能力。logit 模型在处理此分类问题上优于 probit 模型。结果突显了在处理金融服务行业中复杂的决策过程和不平衡数据集时模型选择的重要性。本研究的发现阐明了银行如何利用机器学习模型优化其决策过程、改善客户细分并提升营销活动效果。
引用
@article{arxiv.2410.21539,
title = {Bayesian Regression for Predicting Subscription to Bank Term Deposits in Direct Marketing Campaigns},
author = {Muhammad Farhan Tanvir and Md Maruf Hossain and Md Asifuzzaman Jishan},
journal= {arXiv preprint arXiv:2410.21539},
year = {2024}
}