https://github.com/andriipanasiuk/transactions-prediction

Predicts category of financial transaction based on a transactions' history
https://github.com/andriipanasiuk/transactions-prediction

Last synced: 11 days ago
JSON representation

Predicts category of financial transaction based on a transactions' history

• Host: GitHub
• URL: https://github.com/andriipanasiuk/transactions-prediction
• Owner: andriipanasiuk
• Created: 2021-01-13T13:11:13.000Z (almost 4 years ago)
• Default Branch: main
• Last Pushed: 2021-01-13T14:03:38.000Z (almost 4 years ago)
• Last Synced: 2024-12-07T17:36:44.970Z (19 days ago)
• Language: Kotlin
• Size: 59.6 KB
• Stars: 0
• Watchers: 2
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
# Описание алгоритма

Данный алгоритм базируется на двух показателях:

- насколько трата по конкретной категории "необходима" на данный момент 

и

- насколько сумма близка к одной из сумм в предыдущих транзакциях по конкретной категории

Алгоритм предсказания проходится по категориям в истории транзакций и высчитывает эти 2 показателя для каждой категории 

соотносительно к сумме и дате предсказываемой транзакции.

## Как считаем "необходимость" транзакции по конкретной категории в конкретный день

Берем половину последних транзакций (допустим получится N транзакций) в категории. Делим сумму расходов этих транзакций на количество дней 

в периоде на который эти транзакции растянулись. Получаем некий средний расход в день по конкретной категории.

Потом берем последние N/2 транзакций и считаем средний расход по ним за период включая дату транзакции, категорию которой предсказываем.

Насколько эта сумма меньше среднего расхода по данной категории вообще (то, что посчитали выше) - настолько вероятней, что пользователю уже "нужно" 

совершить транзакцию в данной категории.

## Как считаем близость суммы

по_модулю ((сумма_в_предсказываемой_транзакции - сумма_в_транзакции_из_истории) / сумма_в_транзакции_из_истории )

Пройдясь по всем транзакциям в истории берем наименьшее число, то есть находим наилучшее сходство суммы.

Итого число получится от 0 до +бесконечности, чем меньше - тем ближе суммы.

## Общий "коэффициент правдоподобности"

Потом основываясь на показателях описанных выше высчитываем некий "коэффициент правдоподобности" и выдаем 3 категории (как предсказание) 

с наибольшим значением этого коэффициента.

При калькуляции коэффициента нормализуем эти показатели и берем корень из суммы их квадратов с определенными весами - показателю "нужности" 

транзакции даем чуть больший вес. 

# Результаты

На реальной истории транзакций, которая есть в этом репозитории в файле `transactions.txt`, алгоритм показал точность около 60%.

Большинство из транзакций, в которых алгоритм ошибся, были в таких категориях, по которым было 3 или менее транзакций в истории. 

***P.S. Код далек от идеала, написан как Proof-of-Concept описанного алгоритма.***