Özet:
Bu çalışmada, sınıflandırma yöntemlerinden, yapay zekâ tabanlı, yapay sinir ağları (YSA) ve destek vektör makineleri (DVM) geleneksel yöntemlerden ise lojistik regresyon (LR) bir bankadan alınan kurumsal müşteri veri kümesine, iki farklı şekilde, uygulanmıştır. 893 tanesi “kusurlu”, 7896 tanesi “kusursuz” toplam 8789 adet kurumsal müşteri verisinin yer aldığı “kurumsal veri” kümesine ve ikincil olarak da 893 tanesi kusurlu, 893 tanesi kusursuz toplam 1786 adet müşteri verisinin yer aldığı “dengeli kurumsal veri” kümesine uygulanmıştır. Her iki veri kümesinde YSA en yüksek doğruluk oranını (sırasıyla %96 ve %93), DVM ise kurumsal veride yine en yüksek doğruluk oranını (%96), LR ise yapay zekâ tabanlı uygulamalara kıyasla daha düşük bir doğruluk oranı (%89) vermiştir. Kurumsal veriden, dengeli kurumsal veriye geçildiğinde, verideki yaklaşık %80’lik kayıptan, YSA ve LR %3 oranında etkilenirken DVM ise %5 oranında etkilenmiştir. DVM, modeller arasında, en küçük standart sapmaya sahip yöntem olmuştur. Çalışma, yapay zekâ tabanlı YSA ve DVM yöntemlerinin, LR gibi geleneksel yöntemlere kıyasla, daha iyi sonuçlar verdiğini, diğer bir deyişle daha iyi sınıflandırma yaptığını, göstermiştir.
