В этой статье будет рассмотрена неконтролируемая кластеризация данных

В процессе аудита из досье клиентов часто приходится выбирать определенные документы для дальнейшего анализа. Сегодня расскажем об опыте обработки документов более 3 тысяч клиентов.

Иногда новая статистика по пользователям собрана, а как ее интерпретировать непонятно, ведь такая информация о них ранее не собиралась. Если бы это было повторное исследование, можно было бы экстраполировать данные из прошлого на текущие реалии методами supervised learning. Мы же расскажем о том, как структурировать вновь полученные данные, распределяя изучаемых людей на группы методами кластеризации

Что приходит Вам в голову при упоминании «Data Mining»? Наверняка высокая, почти космическая, сложность алгоритмов, непонятные манипуляции с огромными массивами данных, нереальные объемы программного кода с применением множества разнообразных framework-ов с пугающими названиями – одним словом что-то недоступное обыкновенному человеку. Но все ли задачи представляют из себя нечто подобное? Попробуем разобраться на примере простой задачи классификации и простого метода k-ближайших соседей(kNN), применяемого для ее решения.

Кластеризация — подзадача Data Mining, которая группирует множество объектов на подмножество таким образом, чтобы объекты одного кластера были максимально похожи друг на друга, а объекты из разных кластеров имели максимальное количество отличных друг от друга критериев. Так в сфере аудита, кластеризация поможет определить выпадение транзакций определенного типа.

В предыдущей статье мы коснулись вопроса имиджа компании и рассказали Вам о том, как быстро и качественно проанализировать обращения клиентов. Репутационные риски были актуальны всегда, а сегодня, в эпоху тотального проникновения интернета и соцсетей, они требуют еще большего внимания. Поделимся опытом применения моделей искусственного интеллекта для классификации сообщений пользователей в социальных сетях.

Любая финансовая организация — это живой организм и процессы в нем – несовершенны. Несовершенство процессов порождает недовольство от клиентов, которое может трансформироваться даже в жалобы. В данной статье мы расскажем о своем вкладе в процесс автоматизации работы, посредством реализации небольшого Machine Learning-проекта.