银行领域的机器学习分类模型-研究论文

【文件属性】：
文件名称：银行领域的机器学习分类模型-研究论文
文件大小：377KB
文件格式：PDF
更新时间：2021-06-10 11:26:07
论文研究 机器学习的主要目标是开发技术或方法，自动检测给定数据中的模式，然后利用发现的模式来预测未来或其他感兴趣的结果。 全球的机器学习从业者正试图使用​​他们不同的工具和方法对各种复杂程度不同的数据进行建模。 这样建立的模型是观察数据的表示，这些数据将识别一些规律或一些有趣的模式。 在本文中，构建的模型基于分类，分类是一种将数据实例映射或分类为多个预定义类标签之一的函数。 单独的测试集用于测试学习模型或函数的分类能力，它使用诸如术语频率-逆文档频率 (TF-IDF) 等特征。 近年来，人工智能在很大程度上影响了银行业。 对于银行业的组织而言，跟上竞争并提高其作为创新公司的地位变得越来越重要。 在这项工作中，通过从网络收集与银行业务相关的文本数据，通过考虑和涉及客户提供的反馈，为银行领域生成机器学习分类模型以改进系统。 网络爬虫用于目标特定站点以收集原始数据。