利用银行时序数据预测分行访问与信用卡升档销售
机器学习
2016-09-09 v2
摘要
银行（及其他行业）中存在大量时序和非时序数据，但此类时序活动数据无法直接用于经典机器学习模型。在本工作中，我们从用户时序活动数据中进行广泛的特征提取，试图利用用户信息和相应的活动数据来预测用户对不同分行的访问以及信用卡升档销售，这是ECML/PKDD 2016银行卡片使用分析发现挑战赛的一部分。我们的方案在Task 1中排名第4，在公开排行榜上Task 2的AUC达到0.7056。
引用
@article{arxiv.1607.06123,
title = {Predicting Branch Visits and Credit Card Up-selling using Temporal Banking Data},
author = {Sandra Mitrović and Gaurav Singh},
journal= {arXiv preprint arXiv:1607.06123},
year = {2016}
}
备注
4 pages