Makine öğrenmesi yöntemleri ile banka müşteri kaybı analizi

Müşteri kaybı; şirketin ürün ya da hizmetini kullanmayı bırakan ve ilişkisini sonlandırmış müşterilerin yüzdesidir. İşletmeye yeni bir müşteri kazandırmak müşteri kaybetmekten daha zor olabilmektedir. Bu yüzden mevcut müşterinin işletmeyi terk etmesi öngörüldüğünde şirketin zararı minimuma inmektedir. Müşterinin işletmeyi terk edeceğini öngörmek için ise yapay zekâ gibi bilgisayar bilimleri kullanılmaktadır. Makine öğrenmesi yöntemleri ise bu alanlardan biridir. Makine öğrenmesi; genel olarak insanın öğrenme şeklini taklit ederek verilerin ve algoritmaların kullanımına odaklanan bir bilgisayar bilimi ve yapay zekâ dalıdır. Çalışmada Kaggle sitesinden alınan bir bankanın müşteri kaybını tahminlemek için herkese açık olan bir hazır veri seti kullanılmıştır. Veri seti 10.000 adet veri ve 14 kategoriden oluşmaktadır. Çalışmada Fransa, Almanya ve İspanya'nın banka müşterilerinden oluşan veriler bulunmaktadır. Veri setinde; müşteri numarası, soyadı, ülke, cinsiyet, kredi skoru, yaş, müşteri olma süresi, bakiye, ürün sayısı, kredi kart sahibi olup olmadığı, ayrılma durumlarını içeren değişkenlerden oluşmakta olup numpy, pandas, seaborn, matplotlib kütüphaneleri kullanılmıştır. Çalışmada makine öğrenmesi sınıflandırma algoritmalarından olan Lojistik regresyon, K-en yakın komşu, Karar ağacı, Rastgele orman, LightGBM (hafif gradyan arttırma), Catboost (kategorik güçlendirme) sınıflandırma algoritmaları kullanılarak müşteri kaybının nasıl tespit edileceğini ve modellerin performansları karşılaştırılmış sonuçlar ayrıntılı olarak incelemiştir.