How can synthetic data generation techniques, enhance the lift accuracy of churn prediction models in imbalanced datasets from the telecommunications sector?

Resumo

A tese teve como objetivo examinar a eficiência dos dados sintéticos no aumento das capacidades de previsão dos modelos de previsão de churn em conjuntos de dados desequilibrados, particularmente no sector das telecomunicações. Dado que os conjuntos de dados desequilibrados constituem um obstáculo significativo no sector das telecomunicações, o estudo avaliou o impacto da inclusão de dados sintéticos na resolução do desequilíbrio. Para o efeito, foram aplicados vários métodos de geração de dados sintéticos, incluindo SMOTENC, ADASYN, TVAE e CTGAN, a um conjunto de dados do mundo real. O objetivo era determinar até que ponto os dados sintéticos podiam ajudar a ultrapassar o desequilíbrio dos dados e melhorar as capacidades de previsão dos modelos de classificação. Embora não tenha sido alcançada uma melhoria significativa na pontuação de elevação, foram obtidas informações valiosas sobre os desafios inerentes à utilização de dados criados sinteticamente. A pesquisa destacou a importância de uma estratégia de limpeza de dados consistente e transparente e a necessidade de abordagens personalizadas para modelos de dados sintéticos. As limitações encontradas durante o estudo também foram discutidas, incluindo a utilização de um número limitado de modelos de dados sintéticos e a dependência da qualidade dos dados sintéticos derivados da qualidade dos dados originais. Por fim, a tese ofereceu informações valiosas sobre pesquisas futuras e a aplicação prática de métodos comuns de dados sintéticos em conjuntos de dados reais desequilibrados no setor de telecomunicações.

Data de atribuição	8 mai. 2024
Idioma original	Inglês
Instituição de premiação	Universidade Católica Portuguesa
Supervisor	Nuno Filipe Loureiro Paiva (Orientador)