Logotipo del repositorio
  • English
  • Español
  • Iniciar sesión
    ¿Nuevo Usuario? Pulse aquí para registrarse¿Has olvidado tu contraseña?
Logotipo del repositorio
  • Comunidades
  • Todo RI
  • English
  • Español
  • Iniciar sesión
    ¿Nuevo Usuario? Pulse aquí para registrarse¿Has olvidado tu contraseña?
  1. Inicio
  2. Examinar por materia

Examinando por Materia "XGBoost"

Mostrando1 - 1 de 1
Resultados por página
Opciones de clasificación
  • Trabajo final de especialización
    Desarrollo del modelo de Customer Lifetime Value (CLTV) para industria bancaria con técnicas de Machine Learning
    (2021) Martins, Nicolás Horacio; Pampliega, Juan Martín
    "Una gran cantidad de organizaciones de tamaño medio en adelante poseen sistemas de información que les permiten conocer la rentabilidad por cliente, o un valor aproximado de la misma. Algunas de ellas han avanzado, según la rama de la industria, en el desarrollo de modelos predictivos y de segmentación más profundos para entender la principalidad o participación de sus productos en la cartera de sus clientes (share of wallet)1, el nivel de lealtad y el grado de satisfacción de sus clientes. Otras, inclusive, han intentado calcular o predecir los ingresos futuros por cliente con mayor o menor nivel de sistematización. El foco de este trabajo se centra en el estudio y desarrollo de modelos para abordar esta última etapa analítica de la firma, conocida como valor del ciclo de vida de un cliente, customer lifetime value o CLTV (Borle et al 2008) en la industria financiera."

Licencia Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

  • Configuración de cookies
  • Política Institucional de Acceso Abierto
  • Ley 26.899
  • Guía de depósito
  • Enviar Sugerencias
  • Contacto