Klientu rēķinu maksāšanas paradumu prognozēšana izmantojot mašīnmācīšanos

Abstract

Kvalifikācijas darbā ir izstrādāta sistēma, kas sastāv no mašīnmācīšanās modeļa izstrādes un tīmekļa atskaišu vietnes. Mašīnmācīšanās modelis ir paredzēts debitoru rēķinu apmaksas laika prognozēšanai namu pārvaldes uzņēmumam, balstoties uz vēsturiskiem klientu un rēķinu maksājumu datiem. Tīmekļa vietnē tiek atspoguļoti klientu dati, statistika par rēķiniem, to maksājumiem un modeļu trenēšanas rezultātiem. Izmantojot regresiju, klasifikāciju un kombinēto metodi, tika apmācīti un salīdzināti prognozēšanas modeļi. Ievada dati ir ģenerēti, izmantojot izpētītās klienta datubāzes struktūras pamattabulas. Prognozēšanas modeļi ir realizēti Python valodā. Sistēmas grafiskā saskarne ir nodrošināta tīmekļa vietnē, izmantojot Django satvaru.

Qualification paper describes a system that contains of a machine learning model and a report website. Machine learning model is trained to predict bill payment time in a house management company, using historical client bill payment data. Website shows client data, stats about bills and payments as well as model training results. Models were trained and compared using regression, classification and combined methods. Input data was generated after exploring client’s database main tables. Predictive models were developed in Python programming language. User interface is provided via website and developed using Django framework.