Motivasyon: sosyal ağlar ve öngörücü analitik

R ile Ağ Verileri Kullanarak Predictive Analytics

Bart Baesens, Ph.D.

Professor of Data Science, KU Leuven and University of Southampton

Uygulamalar

Yaş
Cinsiyet
Dolandırıcılık

Dolandırıcılık Ağı

Churn
- Müşteri kaçışı
- Şirketler kimin churn etme olasılığı yüksek, bunu şu yollarla tahmin eder:
  1. Machine learning teknikleri
  2. Sosyal ağlar

Genel Bakış

Etiketli sosyal ağlar
- Ağları kur ve etiketle
- Ağ öğrenmesi
Homofili
- İlişkisel bağımlılığı ölç
- Heterofililik ve diadisite

Ağ özelliklendirme
- Düğüm özelliklerini hesapla
Ağlarla öngörücü modelleme
- Ağı düz bir veri kümesine dönüştür
- Müşteriler arasında churn tahmin et

İş Birliği Ağı

library(igraph); 
DataScienceNetwork <- data.frame(
  from = c('A', 'A', 'A', 'A', 'B', 'B', 'C', 'C', 'D', 'D', 'D', 'E',
          'F', 'F', 'G', 'G', 'H', 'H', 'I'),
  to = c('B','C','D','E','C','D','D', 'G','E', 'F','G','F','G','I', 
          'I','H','I','J','J'))
g <- graph_from_data_frame(DataScienceNetwork, directed = FALSE)

pos <- cbind(c(2, 1, 1.5, 2.5, 4, 4. 5, 3, 3.5, 5, 6), 
             c(10.5, 9.5, 8, 8.5, 9, 7.5, 6, 4.5, 5.5, 4))
plot.igraph(g, edge.label = NA, edge.color = 'black', layout = pos, 
            vertex.label = V(g)$name, vertex.color = 'white', 
            vertex.label.color = 'black', vertex.size = 25)

İş Birliği Ağı

V(g)$technology <-
  c('R','R','?','R','R',
    'R','P','P','P','P')
V(g)$color <- V(g)$technology

V(g)$color <- gsub('R',"blue3", V(g)$color)
V(g)$color <- gsub('P',"green4", V(g)$color) 
V(g)$color <- gsub('?',"gray", V(g)$color)

Churn Ağı

edgeList

  from    to
1    1   393
2    1  2573
3    1  4430
4  393   926
5  393  1574

Churn

Hadi pratik yapalım!

R ile Ağ Verileri Kullanarak Predictive Analytics