Bối cảnh và vấn đề nghiên cứu
Trong bối cảnh hội nhập quốc tế và thị trường tài chính cạnh tranh ngày càng gay gắt, các ngân hàng thương mại đối mặt với tình trạng thị phần truyền thống dần bão hòa. Để duy trì sự tồn tại và phát triển, các tổ chức tín dụng buộc phải tìm kiếm các giải pháp thúc đẩy doanh số, tối ưu hóa lợi nhuận và tạo dựng vị thế cạnh tranh khác biệt. Tương tự như các doanh nghiệp thương mại, ngân hàng cần liên tục mở rộng khả năng tiếp cận và chăm sóc khách hàng cá nhân – phân khúc có quy mô dân số lớn nhưng các giao dịch thường nhỏ lẻ và có độ nhạy cảm cao về dịch vụ.
Sự phát triển của công nghệ thông tin giúp hệ thống ngân hàng tích lũy được khối lượng cơ sở dữ liệu khổng lồ từ hoạt động giao dịch, hệ thống quản trị quan hệ khách hàng (CRM) và các kênh tiếp thị trực tiếp. Tuy nhiên, việc đánh giá và gán nhãn thuộc tính thủ công để phục vụ công tác phân loại khách hàng trở nên bất khả thi trước sự bùng nổ dữ liệu. Các phương pháp khai phá dữ liệu (Data Mining), đặc biệt là kỹ thuật phân lớp dữ liệu (Classification), trở thành công cụ quan trọng nhằm khai thác các tri thức ẩn, hỗ trợ ra quyết định kinh doanh.
Khóa luận tốt nghiệp của tác giả Nguyễn Thị Hương (chuyên ngành Hệ thống thông tin quản lý, Học viện Ngân hàng) đặt trọng tâm vào việc giải quyết bài toán tiếp thị huy động tiền gửi cá nhân thông qua hình thức gọi điện thoại trực tiếp (Telemarketing). Mục tiêu và các nhiệm vụ nghiên cứu được văn bản xác định cụ thể như sau:
- Mục tiêu nghiên cứu: Phân tích dữ liệu khách hàng bằng hai công cụ khai phá dữ liệu là giải thuật C4.5 và Naive Bayes nhằm dự đoán khả năng đăng ký gửi tiền tiết kiệm khi tiếp cận qua chiến dịch Telemarketing. Thông qua kết quả dự đoán, ngân hàng có thể sàng lọc đối tượng mục tiêu và lựa chọn phương án chăm sóc phù hợp nhằm đạt hiệu quả kinh doanh cao nhất.
- Nhiệm vụ nghiên cứu:
- Hệ thống hóa cơ sở lý luận về hoạt động Marketing dịch vụ tài chính và hệ thống quản trị quan hệ khách hàng (CRM) trong lĩnh vực ngân hàng thương mại.
- Nghiên cứu nguyên lý toán học, công thức tính toán và quy trình thuật toán của hai kỹ thuật phân lớp C4.5 (cây quyết định) và Naive Bayes (phân lớp thống kê xác suất).
- Thực nghiệm mô hình hóa trên phần mềm khai phá dữ liệu chuyên dụng RapidMiner với tập dữ liệu các cuộc gọi Telemarketing ngân hàng, đánh giá và so sánh độ chính xác của hai thuật toán thông qua ma trận nhầm lẫn (Confusion Matrix).
Đối tượng và phạm vi nghiên cứu:
- Đối tượng nghiên cứu: Dữ liệu đặc trưng của khách hàng cá nhân (nhân khẩu học, tài chính, lịch sử tương tác cuộc gọi); hai thuật toán phân lớp C4.5 và Naive Bayes.
- Phạm vi nội dung: Giới hạn ở bài toán phân lớp nhị phân dự đoán quyết định của khách hàng ("CO" - đồng ý gửi tiền hoặc "KHONG" - từ chối gửi tiền) đối với sản phẩm tiền gửi tiết kiệm qua kênh tiếp thị điện thoại.
- Phạm vi công cụ và dữ liệu: Sử dụng phần mềm RapidMiner để thực hiện quy trình tiền xử lý, huấn luyện và kiểm thử mô hình trên tập dữ liệu chiến dịch Bank Telemarketing.
Cơ sở lý thuyết và phương pháp
Khóa luận kết hợp giữa khung lý thuyết kinh tế - quản trị ngân hàng và lý thuyết khoa học dữ liệu:
1. Khung lý thuyết và khái niệm chuyên ngành
- Marketing dịch vụ tài chính ngân hàng: Văn bản định nghĩa Marketing ngân hàng là phương pháp quản trị tổng hợp dựa trên nhận thức về môi trường kinh doanh và hành động của ngân hàng nhằm đáp ứng nhu cầu khách hàng, lấy lợi nhuận làm mục tiêu cuối cùng. Hoạt động này mang ba đặc thù lớn:
- Dịch vụ tài chính: Sản phẩm ngân hàng có tính vô hình, không thể phân chia, không ổn định, không thể lưu trữ và khó xác định chất lượng trước khi sử dụng.
- Marketing đối nội: Đề cao vai trò của đội ngũ nhân viên và giao dịch viên – những người trực tiếp chuyển giao sản phẩm và tạo dựng niềm tin thương hiệu.
- Marketing quan hệ: Chú trọng duy trì mối quan hệ dài hạn, giữ chân khách hàng cũ song song với phát triển khách hàng tiềm năng.
- Quản trị quan hệ khách hàng (CRM): Đóng vai trò là hệ thống tích hợp đa kênh (email, điện thoại, mạng xã hội) nhằm chuẩn hóa hồ sơ khách hàng theo thời gian thực, hỗ trợ quá trình cá biệt hóa dịch vụ qua 4 bước: nhận diện khách hàng, ghi nhớ đặc điểm, cá biệt hóa dịch vụ và phát triển thông tin khách hàng.
- Quy trình khai phá dữ liệu (KDD): Văn bản hệ thống hóa quy trình 6 giai đoạn tiêu chuẩn:
- Gom dữ liệu (Gathering): Tập hợp dữ liệu từ kho dữ liệu, hệ thống ERP, CRM hoặc ứng dụng web.
- Trích lọc dữ liệu (Selection): Lựa chọn các tiêu thức và bản ghi tiêu biểu.
- Làm sạch, tiền xử lý và chuẩn bị dữ liệu (Cleaning, Pre-Processing and Preparation): Gồm làm sạch (loại bỏ nhiễu, xử lý giá trị thiếu - missing data), tích hợp (xử lý trùng lặp, mâu thuẫn lược đồ), biến đổi (làm mịn, tổng quát hóa, chuẩn hóa thuộc tính), và thu giảm dữ liệu (thu giảm chiều, chọn tập con thuộc tính).
- Chuyển đổi dữ liệu (Transformation): Định dạng lại tệp tin tương thích với phần mềm khai phá.
- Khai phá dữ liệu (Data Mining): Trích xuất các mẫu và mô hình ẩn dưới tập dữ liệu lớn.
- Đánh giá mẫu (Pattern Evaluation): Kiểm định độ chính xác và tính hữu ích của mô hình.
2. Mô hình toán học của hai thuật toán phân lớp
- Thuật toán cây quyết định C4.5: Phát triển bởi J. Ross Quinlan nhằm khắc phục nhược điểm của thuật toán ID3. ID3 sử dụng độ lợi thông tin (Information Gain - $Gain$), độ đo này có xu hướng thiên vị các thuộc tính có nhiều giá trị phân nhánh (như số hiệu giao dịch). C4.5 khắc phục bằng cách sử dụng Tỷ số độ lợi (Gain Ratio - $GainRatio$):
$$\text{Info}(D) = -\sum_{i=1}^{m} p_i \log_2(p_i)$$
$$\text{Info}A(D) = \sum{j=1}^{v} \frac{|D_j|}{|D|} \text{Info}(D_j)$$
$$\text{Gain}(A) = \text{Info}(D) - \text{Info}_A(D)$$
$$\text{SplitInfo}A(D) = -\sum{j=1}^{v} \frac{|D_j|}{|D|} \log_2\left(\frac{|D_j|}{|D|}\right)$$
$$\text{GainRatio}(A) = \frac{\text{Gain}(A)}{\text{SplitInfo}(A)}$$
Ngoài ra, C4.5 bổ sung kỹ thuật xử lý thuộc tính liên tục bằng cách tìm ngưỡng phân tách cực đại hóa thu hoạch thông tin, áp dụng phương pháp thống kê cắt tỉa cành (pruning) sau khi tạo cây nhằm chống hiện tượng quá khớp (overfitting), và cung cấp cơ chế xử lý thuộc tính bị thiếu dữ liệu.
- Thuật toán Naive Bayes: Thuộc nhóm phân lớp thống kê học máy có giám sát (Supervised Machine Learning), áp dụng định lý xác suất Bayes:
$$P(H|X) = \frac{P(X|H) \cdot P(H)}{P(X)}$$
Thuật toán giả định các thuộc tính điều kiện độc lập với nhau khi biết trước nhãn lớp:
$$P(X|C_i) = \prod_{k=1}^{n} P(x_k|C_i)$$
Mô hình gán nhãn cho phần tử $X$ thuộc lớp $C_i$ có xác suất hậu nghiệm $P(C_i|X)$ lớn nhất. Để giải quyết trường hợp xác suất thành phần bằng 0 do một giá trị thuộc tính không xuất hiện trong tập huấn luyện của một lớp, tác giả sử dụng kỹ thuật hiệu chỉnh Laplace (Laplace correction/smoothing).
3. Phương pháp nghiên cứu và công cụ thực tế
- Phương pháp thu thập và xử lý: Phân tích tài liệu học thuật kết hợp thực nghiệm mô phỏng quy trình KDD trên máy tính tính toán.
- Công cụ thực nghiệm: Nền tảng phần mềm RapidMiner.
- Nguồn dữ liệu: Dữ liệu chiến dịch Bank Telemarketing bao gồm 10 thuộc tính điều kiện và 1 thuộc tính phân lớp mục tiêu.
| Nhóm thuộc tính |
Tên thuộc tính trong văn bản |
Kiểu giá trị / Diễn giải |
| Nhân khẩu học |
TUOI |
Độ tuổi (<=35, 36-49, >=50) |
|
TT HON NHAN |
Tình trạng hôn nhân (DOC THAN, KET HON, LY DI) |
|
HOC VAN |
Học vấn (THCS, THPT, DAI HOC, KHONG RO) |
| Tài chính cá nhân |
SO DU |
Số dư tài khoản (THAP, TRUNG BINH, CAO) |
|
NHA |
Sở hữu nhà (CO, KHONG) |
|
NO |
Tình trạng vay nợ (CO, KHONG) |
| Lịch sử tương tác |
TG LLC |
Thời gian liên lạc cuộc gọi (IT, TRUNG BINH, NHIEU) |
|
SLLH |
Số lần liên hệ (IT, TRUNG BINH, NHIEU) |
|
NGAY LLGD |
Ngày liên lạc gần nhất (GAN, TRUNG BINH, XA) |
|
KQCD TRUOC |
Kết quả chiến dịch trước (THANH CONG, THAT BAI, KHAC, KHONG RO) |
| Biến mục tiêu |
QUYET DINH |
Quyết định gửi tiền (CO, KHONG) |
Nội dung chính theo từng chương
CHƯƠNG I: HOẠT ĐỘNG MARKETING VÀ CRM TRONG NGÂN HÀNG
Chương I trình bày cơ sở lý luận về tiếp thị và quản trị quan hệ khách hàng trong lĩnh vực ngân hàng thương mại. Tác giả phân tích 4 chức năng chủ yếu của bộ phận Marketing ngân hàng:
- Chức năng làm cho sản phẩm dịch vụ (SPDV) thích ứng với nhu cầu thị trường: Nghiên cứu thị trường và thiết kế SPDV đáp ứng kỳ vọng thay đổi của khách hàng.
- Chức năng phân phối: Định vị các nhóm khách hàng trọng tâm và tổ chức mạng lưới cung ứng SPDV qua hệ thống chi nhánh.
- Chức năng tiêu thụ: Thiết lập quy trình tiếp cận, tư vấn và bán hàng chuẩn mực cho đội ngũ giao dịch viên (GDV).
- Chức năng hỗ trợ: Thực hiện quảng bá, tuyên truyền, hội nghị khách hàng nhằm củng cố uy tín và an toàn hoạt động kinh doanh.
Tác giả so sánh các hình thức tiếp thị trực tuyến (SEO, SEM, Mobile Marketing, Email Marketing, Social Marketing) với các phương thức tiếp thị truyền thống (phát tờ rơi, báo chí, truyền hình, Telemarketing). Trong đó, Telemarketing được nhấn mạnh là công cụ tiếp thị trực tiếp có chi phí thấp, tính tương tác nhanh hai chiều, đặc biệt phổ biến trong việc huy động vốn tiền gửi từ khách hàng cá nhân.
Ở nội dung CRM, chương này phân tích tầm quan trọng của việc lưu trữ dữ liệu tập trung nhằm giải phóng nhân viên khỏi các công việc hành chính lặp lại, tối ưu hóa khả năng bán chéo sản phẩm (cross-selling) và giảm thiểu tỷ lệ khách hàng rời bỏ ngân hàng.
CHƯƠNG II: XÂY DỰNG THUẬT TOÁN PHÂN LỚP C4.5 VÀ NAIVE BAYES
Chương II tập trung diễn giải chi tiết nguyên lý hoạt động của hai thuật toán phân lớp. Sau khi trình bày khái niệm, quy trình tiền xử lý dữ liệu và phân loại các kỹ thuật khai phá (mô tả và dự đoán), tác giả đi sâu vào bài toán phân lớp với quy trình 2 pha: xây dựng mô hình trên tập huấn luyện (training set) và kiểm thử độ chính xác trên tập kiểm tra (testing set) độc lập.
Tác giả xây dựng ví dụ tính toán thủ công từng bước thuật toán C4.5 trên tập dữ liệu huấn luyện mẫu gồm 15 khách hàng (5 nhãn "CO", 10 nhãn "KHONG"):
- Tính toán nút gốc: Độ hỗn loạn toàn bộ tập dữ liệu đạt giá trị:
$$\text{Info}(D) = -\frac{5}{15}\log_2\left(\frac{5}{15}\right) - \frac{10}{15}\log_2\left(\frac{10}{15}\right) = 0{,}918$$
Sau khi tính toán cho toàn bộ 10 thuộc tính, thuộc tính
NO đạt giá trị $GainRatio = 0{,}186$ cao nhất nên được chọn làm nút gốc phân nhánh:
- Nhánh
NO = CO gồm 3 mẫu (mẫu số 3, 6, 15) đều có nhãn "KHONG" $\rightarrow$ tạo nút lá nhãn "KHONG".
- Nhánh
NO = KHONG gồm 12 mẫu (7 nhãn "KHONG", 5 nhãn "CO"), tạo thành tập con $D_1$ với $\text{Info}(D_1) = 0{,}980$.
- Phân nhánh tại nút con $D_1$: Tính toán $GainRatio$ cho các thuộc tính còn lại, thuộc tính
TT HON NHAN đạt $GainRatio = 0{,}167$ lớn nhất:
- Nhánh
DOC THAN gồm 3 mẫu (2, 4, 9) đều mang nhãn "KHONG" $\rightarrow$ tạo nút lá "KHONG".
- Nhánh
LY DI gồm 3 mẫu (mẫu 5, 8 nhãn "CO"; mẫu 12 nhãn "KHONG") $\rightarrow$ gán nhãn đại diện "CO".
- Nhánh
KET HON gồm 6 mẫu (3 nhãn "KHONG", 3 nhãn "CO"), tạo thành tập con $D_2$ có $\text{Info}(D_2) = 1{,}000$.
- Phân nhánh tại nút con $D_2$: Đánh giá 7 thuộc tính còn lại, thuộc tính
TG LLC đạt $GainRatio = 0{,}500$ lớn nhất:
- Nhánh
TRUNG BINH gồm 2 mẫu (10, 14) đều mang nhãn "CO" $\rightarrow$ tạo nút lá "CO".
- Nhánh
IT gồm 4 mẫu (mẫu 1, 11, 13 nhãn "KHONG"; mẫu 7 nhãn "CO") $\rightarrow$ gán nhãn "KHONG".
Đối với thuật toán Naive Bayes, chương này trình bày phương pháp tính toán các xác suất tiên nghiệm $P(C_i)$, bảng xác suất có điều kiện của từng thuộc tính thành phần đối với từng nhãn lớp, và phương pháp hiệu chỉnh Laplace để khử triệt để các ô xác suất bằng 0.
CHƯƠNG III: ỨNG DỤNG KHAI PHÁ DỮ LIỆU TRONG MARKETING NGÂN HÀNG (CÁC CUỘC GỌI ĐIỆN THOẠI) DỰ ĐOÁN KHẢ NĂNG ĐĂNG KÝ GỬI TIỀN CỦA KHÁCH HÀNG
Chương III khái quát các lĩnh vực ứng dụng khai phá dữ liệu trong ngành ngân hàng (quản trị rủi ro tín dụng, phát hiện gian lận và CRM), sau đó triển khai bài toán thực nghiệm dự đoán đăng ký gửi tiền qua Telemarketing.
Tác giả đưa tập dữ liệu khách hàng vào phần mềm RapidMiner, thiết lập các khối xử lý dữ liệu và cấu hình hai mô hình phân lớp C4.5 và Naive Bayes. Kết quả chạy trên phần mềm bao gồm:
- Mô hình cây quyết định hoàn chỉnh của giải thuật C4.5 trực quan hóa cấu trúc rẽ nhánh.
- Bảng xác suất có điều kiện của Naive Bayes đối với từng thuộc tính (
TUOI, TT HON NHAN, HOC VAN, SO DU, NHA, NO, TG LLC, SLLH, NGAY LLGD, KQCD TRUOC).
- Đánh giá hiệu quả mô hình thông qua ma trận nhầm lẫn (Confusion Matrix) và bảng so sánh kết quả thực nghiệm giữa C4.5 và Naive Bayes.
Kết quả và đóng góp
1. Kết quả chính trích xuất từ văn bản
- Cấu trúc phân tầng quyết định của mô hình C4.5: Cây quyết định rút ra từ dữ liệu cho thấy các thuộc tính phân biệt rõ nét nhất quyết định gửi tiền của khách hàng lần lượt là: tình trạng vay nợ (
NO), tình trạng hôn nhân (TT HON NHAN), và thời lượng cuộc gọi tiếp xúc (TG LLC). Cụ thể:
- Khách hàng đang có khoản nợ (
NO = CO) từ chối gửi tiền trong 100% mẫu khảo sát ở nút gốc.
- Khách hàng không có nợ (
NO = KHONG), tình trạng độc thân (DOC THAN) có xu hướng từ chối gửi tiền.
- Khách hàng đã kết hôn (
KET HON) không nợ chỉ đồng ý gửi tiền khi thời lượng cuộc gọi đạt mức trung bình (TG LLC = TRUNG BINH).
- Bảng xác suất phân lớp Naive Bayes: Mô hình thiết lập thành công phân phối xác suất tiên nghiệm và xác suất thành phần trên RapidMiner, tích hợp hiệu chuẩn Laplace để đảm bảo tính ổn định khi tính toán tích xác suất hậu nghiệm đối với các mẫu dữ liệu mới.
- Khung kiểm thử trên RapidMiner: Xây dựng quy trình luồng công việc (process workflow) chuẩn hóa trên RapidMiner từ bước tiền xử lý, huấn luyện đến kết xuất ma trận nhầm lẫn để so sánh độ chính xác của hai giải thuật.
2. Giải pháp và kiến nghị của tác giả
- Tích hợp mô hình dự đoán vào hệ thống CRM ngân hàng: Ứng dụng cây quyết định hoặc bộ lọc Naive Bayes để chấm điểm và phân loại tệp khách hàng tiềm năng trước khi nhân viên tiếp thị tiến hành gọi điện.
- Tối ưu hóa nguồn lực tiếp thị: Ngân hàng nên ưu tiên liên hệ nhóm khách hàng có lịch sử tín dụng không nợ, khách hàng đã kết hôn hoặc ly dị, và nhóm khách hàng từng có phản hồi khả quan trong các chiến dịch trước (
KQCD TRUOC = THANH CONG).
- Nâng cao kỹ năng tư vấn cuộc gọi: Nhận diện tầm quan trọng của thuộc tính
TG LLC cho thấy giao dịch viên cần chuẩn bị kịch bản tư vấn cô đọng, cuốn hút để duy trì thời lượng tương tác đủ sâu, tránh cuộc gọi quá ngắn làm giảm xác suất chuyển đổi đăng ký gửi tiền.
3. Đóng góp của đề tài
- Gắn kết khung lý thuyết quản trị quan hệ khách hàng trong ngân hàng thương mại với các kỹ thuật học máy có giám sát.
- Cung cấp tài liệu diễn giải chi tiết, minh bạch từng bước tính toán đại số của thuật toán C4.5 và Naive Bayes trên tập dữ liệu cụ thể, giúp người đọc nắm vững cơ chế toán học bên dưới các phần mềm tự động hóa.
Hạn chế và hướng nghiên cứu tiếp
- Hạn chế được đề cập trong văn bản:
- Khóa luận giới hạn ở hai thuật toán học máy phân lớp truyền thống (C4.5 và Naive Bayes), chưa đối chiếu với các thuật toán học máy phức tạp hơn như Rừng ngẫu nhiên (Random Forest), Máy véc-tơ hỗ trợ (SVM) hay Mạng nơ-ron nhân tạo (Neural Network).
- Thuộc tính nghiên cứu chỉ phản ánh các thông tin nhân khẩu học và tương tác cơ bản của chiến dịch Telemarketing, chưa tích hợp dữ liệu giao dịch trực tuyến trên ứng dụng ngân hàng số (Digital Banking) hay các biến số kinh tế vĩ mô bên ngoài.
- Hướng phát triển:
- Mở rộng quy mô tập dữ liệu kiểm nghiệm từ hệ thống dữ liệu thực tế tại các ngân hàng thương mại ở quy mô lớn hơn.
- Kết hợp kỹ thuật phân cụm dữ liệu (Clustering) ở giai đoạn tiền xử lý để phân đoạn thị trường trước khi áp dụng các mô hình phân lớp dự đoán.
Giá trị tham khảo
- Đối tượng thụ hưởng:
- Sinh viên và nhà nghiên cứu ngành Hệ thống thông tin quản lý, Khoa học dữ liệu: Văn bản là tài liệu tham khảo phù hợp cho việc triển khai bài toán phân lớp nhị phân, cung cấp ví dụ mẫu tính toán thủ công từng bước chỉ số $Entropy$, $Gain$, $SplitInfo$, $GainRatio$ và xác suất Laplace.
- Chuyên viên phân tích dữ liệu và Marketing ngành Ngân hàng: Cung cấp góc nhìn thực tiễn về việc ứng dụng công cụ khai phá dữ liệu (RapidMiner) nhằm hỗ trợ nghiệp vụ tiếp thị qua điện thoại và tối ưu hóa hệ thống CRM.
- Nội dung có giá trị tham khảo cao nhất:
- Mục 2.3 và ví dụ tính toán phân nhánh cây quyết định C4.5 trong Chương II.
- Quy trình thiết lập thuộc tính và đánh giá mô hình bằng ma trận nhầm lẫn trong Chương III.
Câu hỏi thường gặp
1. Thuật toán C4.5 đã cải tiến điểm yếu nào của thuật toán cây quyết định ID3?
Thuật toán C4.5 đề xuất sử dụng Tỷ số độ lợi (Gain Ratio) thay vì Độ lợi thông tin (Information Gain) thuần túy của ID3. Cải tiến này giúp loại bỏ xu hướng thiên vị chọn các thuộc tính có quá nhiều giá trị rời rạc (làm mỗi nhánh con chỉ có một bản ghi đồng nhất nhưng không mang ý nghĩa khái quát). Đồng thời, C4.5 bổ sung cơ chế xử lý thuộc tính liên tục, xử lý mẫu thiếu giá trị và áp dụng kỹ thuật cắt tỉa cành để tránh hiện tượng quá khớp (overfitting).
2. Trong ví dụ tính toán ở Chương II, thuộc tính nào được chọn làm nút gốc của cây quyết định C4.5 và chỉ số là bao nhiêu?
Thuộc tính tình trạng nợ (NO) được chọn làm nút gốc phân chia đầu tiên của cây quyết định vì đạt giá trị $GainRatio = 0{,}186$ – cao nhất trong toàn bộ 10 thuộc tính khảo sát tại tập huấn luyện $D$.
3. Tại sao trong mô hình phân lớp Naive Bayes lại cần áp dụng hiệu chỉnh Laplace?
Kỹ thuật hiệu chỉnh Laplace được sử dụng để giải quyết vấn đề xác suất bằng 0. Nếu một giá trị thuộc tính nào đó chưa từng xuất hiện cùng một nhãn lớp trong tập dữ liệu huấn luyện, xác suất có điều kiện của thuộc tính đó sẽ bằng 0, dẫn tới tích xác suất hậu nghiệm tổng thể bị triệt tiêu về 0 bất kể các thuộc tính khác có xác suất cao đến đâu.
4. Quy trình khai phá dữ liệu tổng quát được tác giả hệ thống hóa gồm những giai đoạn nào?
Quy trình gồm 6 giai đoạn tuần tự: (1) Gom dữ liệu (Gathering), (2) Trích lọc dữ liệu (Selection), (3) Làm sạch, tiền xử lý và chuẩn bị dữ liệu (Cleaning, Pre-Processing and Preparation), (4) Chuyển đổi dữ liệu (Transformation), (5) Khai phá dữ liệu (Data Mining), và (6) Đánh giá mẫu (Pattern Evaluation).
5. Công cụ phần mềm nào được tác giả lựa chọn để triển khai thực nghiệm mô hình trong Chương III?
Tác giả sử dụng phần mềm học máy chuyên dụng RapidMiner để thiết lập quy trình tiền xử lý, chạy mô hình C4.5, xây dựng phân lớp Naive Bayes và kết xuất ma trận nhầm lẫn để đánh giá hiệu năng.
Kết luận
Khóa luận tốt nghiệp của tác giả Nguyễn Thị Hương đã giải quyết hoàn chỉnh bài toán dự đoán hành vi gửi tiền tiết kiệm của khách hàng cá nhân qua kênh Bank Telemarketing bằng phương pháp khai phá dữ liệu. Đề tài kết nối chặt chẽ giữa cơ sở lý luận Marketing ngân hàng, hệ thống CRM với hai thuật toán phân lớp phổ biến là C4.5 và Naive Bayes. Thông qua các bước tính toán toán học chi tiết và thực nghiệm trên phần mềm RapidMiner, nghiên cứu đã minh chứng tính khả thi của việc ứng dụng học máy vào công tác phân loại khách hàng mục tiêu, hỗ trợ các ngân hàng thương mại nâng cao hiệu quả kinh doanh và tiết kiệm chi phí vận hành.
