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：2024-06-30 05:12:47
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。