Please use this identifier to cite or link to this item: http://univ-bejaia.dz/dspace/123456789/21233
Full metadata record
DC FieldValueLanguage
dc.contributor.authorBenzenati, Kenza-
dc.contributor.authorChikhi, Katia-
dc.contributor.authorSebaa, A.;promoteur-
dc.date.accessioned2023-02-15T07:32:08Z-
dc.date.available2023-02-15T07:32:08Z-
dc.date.issued2022-
dc.identifier.other004mas/1049-
dc.identifier.urihttp://univ-bejaia.dz/dspace/123456789/21233-
dc.descriptionOption : génie logicielen_US
dc.description.abstractLes entreprises en situation de concurrence doivent être en mesure de prévoir les clients ayant une forte propension à la résiliation en utilisant leurs données de manière plus efficace. Les modèles de prédiction de l’attrition des clients sont très prometteurs en tant qu’outils puissants pour améliorer la fidélisation des clients. Notre projet consiste à prédire les clients les plus susceptibles de quitter l’entreprise Tchin- Lait (Candia) en analysant d’abord ses données en utilisant l’outil Microsoft Power Bi et en appliquant les modèles prédictifs les plus populaires , à savoir les réseaux de neurones, machine à vecteurs de support (SVM) et boosting de gradient XGBoost. Les résultats obtenus sur l’ensemble de test ont été évalués à l’aide de la matrice de confusion et la précision. Il a été constaté que le meilleur classificateur était XGBoost avec une précision de 0,92.en_US
dc.language.isofren_US
dc.publisherUniversité Abderahman Mira Bejaiaen_US
dc.subjectTchinlait Candia : Machine learning : Fidélisation des clientsen_US
dc.titlePrédiction de la perte de clients dans une entreprise commercialeen_US
dc.title.alternative: Candiaen_US
dc.typeThesisen_US
Appears in Collections:Mémoires de Master

Files in This Item:
File Description SizeFormat 
M_moire_Final.pdf2.74 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.