신용카드 고객 세그먼트 분류 AI 알고리즘 개발

경진대회 목표

고객별 금융활동 데이터 (2018.07 ~ 2018.12)

Train Data — 240만 건 + 872개 변수

Test Data — 60만 건 + 871개 변수 (동일 카테고리, Segment 제외)

EDA

각 등급별 인원 수 확인 → 문제 확인 → 방향 설정

train data의 클래스 간 불균형이 매우 심했음 (E 등급이 약 80% 차지 & A/B 등급은 매우 적음) → A/B 등급 고객을 잘 구분하는 것으로 방향 설정
Box Plot → 분포 확인
상관관계 분석: 상관계수 계산 및 heatmap 시각화 → 등급과 다른 변수 간의 상관관계 파악

데이터 전처리

결측치 처리 / 자료형 변환 / 파생변수 생성 / 변수 삭제

시각화를 통해 등급별 특징 파악

변수 분포 시각화 (box plot) → 특정 등급의 특징을 반영한 파생변수 생성

(예시) 고객 등급별 ‘1순위 카드 이용금액’ 분포

문제 해결

문제1. 많은 변수 → 학습 속도 저하 및 과적합

문제2. 클래스 불균형 (A/B 클래스 데이터 부족)

모델링

Google Colab T4 GPU를 이용하여 모델링 진행

GPU 지원이 가능하고 대용량 데이터를 효율적으로 처리할 수 있는 모델 선정 → 3가지 모델: XGBoost, CatBoost, LightGBM
Optuna를 통한 Hyperparameter tuning: 각각 9개, 6개, 11개의 parameter로 진행 → 모델 성능 극대화
Soft voting → 단일 모델 대비 안정적이고 높은 성능 확보
- XGBoost 40% + LightGBM 30% + CatBoost 30%
- XGBoost 기준 중요도 상위 300개 변수 및 GPU 사용
각 모델에서 predict_proba()로 클래스별 예측 확률 추출
모델 별 확률 가중 평균 → 다양한 가중치 비율 조합 실험
np.argmax()를 통해 가장 높은 확률의 클래스 선택

고객 세분화