강화학습 기반 고객이탈율 예측
- 최초 등록일
- 2022.06.12
- 최종 저작일
- 2022.06
- 6페이지/ MS 워드
- 가격 3,000원
소개글
"강화학습 기반 고객이탈율 예측"에 대한 내용입니다.
목차
1. 서론
2. 본론
1) RL
2) KNN
3) 고객이탈 방지의 필요성
4) 고객이탈방지 방법
5) 강화학습 기반 고객 등급 분류
6) 고객 이탈 탐지 예측
7) 이탈 원인 리포팅
8) 지도학습에 대한 RL모델 적용 방법
9) 모델링 비교
10) 강화학습과 XAI를 이용한 제공가치
11) 적용분야
3. 결론
4. 참고문헌
본문내용
고객이탈은 서비스 업종에 있어 매우 중요한 분야이다. 이를 위한 분석방법에는 다양한 방법이 있지만 최근에 다양한 분야에 적용사례를 보여주고 있는 강화학습을 이용한 고객이탈율 예측 분석 방법에 대해서 알아보도록 하겠다. 기존 방법 대비 강화학습을 적용하는 경우 분석 데이터의 변경사항이 발생하더라도 이에 대한 적응력이 다른 방법 대비 우수하기 때문에 현장에서 적용해볼 때 상당한 의미가 있다고 할 수 있다. 본 보고서에서는 강화학습에 대한 기본적인 개요와 고객이탈 예측 분야에 있어 적용하기 위한 방안에 대해서 살펴보도록 하겠다.
II. 본론
1. RL
1) RL이란?
- Active Learning의 일종이며, 훈련용 데이터셋이 필요하지 않다.
2) 훈련 방법
- 환경과의 Trial & Error을 통하여 행동을 학습한다.
3) 에이전트의 목적
- 총 보상(total rewards)를 최대화할 수 있는 액션셋을 찾아내는 것이다.
4) 구성
- 상태(State) : t+1시점의 상태는 t시점의 상태와 행동에 의해 결정된다.
- 행동(Actions) :
- 전이확률(Transition Probability) : 모든 상태-행동 쌍에서 가능한 모든 상태로의 이동할 확률
- 보상(Reward) : 특정 상태에서 행동을 실행시 얻게되는 보상을 정량적인 값으로 계산한 결과
참고 자료
빅웨이브 웹사이트, https://bigwaveai.com/pcc/
M Panjasuchat et al(2020), Applying Reinforcement Learning for Customer Churn Prediction, Journal of Physics