Técnicas de data mining na classificação de usuários em teste de um software do mercado financeiro

Abstract

O estudo apresentado aborda a aplicação de técnicas de data mining de classificação em dados de usuários no período de teste de um software para operações no mercado financeiro. O objetivo da pesquisa-ação realizada predizer a propensão dos usuário à assinatura do software a partir da aplicação de técnicas de data mining para a identificação e seleção de variáveis que permitam a classificação (alocação) nas categorias assinantes e não-assinantes. Através do processo de descobrimento de conhecimento em banco de dados foram aplicados quatro diferentes algoritmos, dessa forma, possibilitando a extração de conhecimento útil através dos dados. Os algoritmos aplicados foram os de Regressão Logística, Support Vector Machine , Naïve Bayes e Random Forest . A análise dos resultados aponta que o algoritmo de Random Forest apresentou o melhor desempenho na classificação dos usuários comparado aos outros modelos testados no estudo, com uma área sob a curva de 0,85, o que em parâmetros gerais, pode ser considerado um bom resultado.

The present study approaches the application of data mining techniques on classification of user data during the trial period of a software for financial market operations. The aim of this action research was to predict users' propensity to subscribe to the software through the application of data mining techniques to identify and select variables that allow the classification (allocation) of subscribers and non-subscribers. Through the process of knowledge discovery in database were applied four different algorithms, so, being possible to extract useful knowledge through the data. The applied algorithms were Logistic Regression, Support Vector Machine, Naïve Bayes and Random Forest. As result, the Random Forest algorithm presented the best performance in the classification of users compared to the other models tested in this study, with an area under the curve of 0.85, which in general parameters is associated as a good result.