ANÁLISE DO DESEMPENHO DE HIPERPARÂMETROS DE APRENDIZAGEM DE MÁQUINA APLICADOS NA PREVISÃO DA TAXA DE ROTATIVIDADE DE CLIENTES

Autores

  • Renan Gnoatto
  • Evandro Franzen Univates

DOI:

https://doi.org/10.22410/issn.2176-3070.v15i4a2023.3635

Palavras-chave:

Aprendizagem de máquina, Hiperparâmetros, Rotatividade de Clientes

Resumo

O presente artigo apresenta uma análise da performance de diferentes hiperparâmetros de aprendizagem de máquina, aplicados a métodos de aprendizado de máquina, na predição da taxa de rotatividade de clientes de três conjuntos de dados de organizações prestadoras de serviços. Cada um destes conjuntos de dados passou por um processo que consistiu na coleta dos mesmos, no pré-processamento dos dados, na execução dos testes e na avaliação dos resultados. Após a coleta e transformação, foram aplicados os métodos de Floresta Aleatória, Árvore de Decisão e recursos para AutoML (Auto Machine Learning). Em cada método foram feitas duas aplicações, uma utilizando os hiperparâmetros padrões e outra com os valores destes parâmetros sendo customizados. Com base nos resultados obtidos, foi possível concluir que o método Floresta Aleatória se mostrou mais eficaz na predição da taxa da rotatividade de clientes, independente do conjunto de dados ou forma de utilização dos hiperparâmetros. Ainda assim, em algumas poucas métricas o melhor resultado foi atingido pelos outros métodos, como para a métrica Recall, classe 0, onde o método MLP atingiu um resultado de 0,96 no primeiro conjunto, utilizando hiperparâmetros padrões. Da mesma forma, para o terceiro conjunto, o método Árvore de Decisão atingiu o valor de 0,85 na métrica Recall, classe 0, utilizando hiperparâmetros personalizados.

Biografia do Autor

Evandro Franzen, Univates

Profissional que atua na área de computação, como professor, lecionando disciplinas nas áreas de banco de dados, engenharia de software e inteligência artificial. Desenvolve atividades de pesquisa e extensão, principalmente nas áreas de Inteligência Artificial, Data Mining, Computação Evolutiva e Informática na Educação. Graduado como Tecnólogo em Processamento de Dados pela Universidade do Vale do Rio dos Sinos (1994), mestrado em Computação e doutorado em Informática na Educação, ambos realizados na Universidade Federal do Rio Grande do Sul (2002). Atualmente, é professor e coordenador de graduação da Universidade do Vale do Taquari - UNIVATES e professor da Universidade de Santa Cruz do Sul - UNISC. Além de atividades vinculas ao segmento acadêmico, possui anos de experiência, atuando como programador, analista de sistemas e coordenador de equipes de desenvolvimento de software, em diversas empresas, de diferentes segmentos.

Downloads

Publicado

27-12-2023

Como Citar

GNOATTO, Renan; FRANZEN, Evandro. ANÁLISE DO DESEMPENHO DE HIPERPARÂMETROS DE APRENDIZAGEM DE MÁQUINA APLICADOS NA PREVISÃO DA TAXA DE ROTATIVIDADE DE CLIENTES. Revista Destaques Acadêmicos, [S. l.], v. 15, n. 4, 2023. DOI: 10.22410/issn.2176-3070.v15i4a2023.3635. Disponível em: https://www.univates.br/revistas/index.php/destaques/article/view/3635. Acesso em: 21 maio. 2024.

Edição

Seção

Ciências Exatas e Tecnológicas