تقسيم عملاء بطاقات الائتمان باستخدام التعلم الآلي

١. Unsupervised Learning (تصنيف K-Means)

- قُسِّم العملاء بناءً على أنماط استخدام بطاقات الائتمان.

- تم الحصول على درجة Silhouette قدرها ٠٫٢٥٠، مما يُشير إلى فصلٍ فعّالٍ بين المجموعات.

- تم استخدام طريقة Elbow لتحديد العدد الأمثل للمجموعات.

- تم تصوير توزيعات المجموعات للتفسير.

٢. Supervised Learning (Random Forest)

- تم التعامل مع تعيينات المجموعات كتسمياتٍ زائفة.

- تم بناء RandomForest Classifier للتنبؤ بعضوية مجموعة العملاء.

- تم تحقيق دقة ٩٦٫٩٨٪، حيث بلغت F1-Score جميعها ≈ 96.0%