资源描述:
《浅析基于组合分类器的银行客户分类模型研究》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库。
1、浅析基于组合分类器的银行客户分类模型研究 摘要:客户分类管理,对于银行有效地实施客户关系管理具有重要意义。由于目前分类准确度存在问题,如何有效地对客户进行分类预测就成了十分重要并亟待解决的课题。本文以银行丰富的客户基本信息以及交易行为为对象,建立客户分类预测模型,改进单一或简单组合分类器模型,提出一种基于SOM聚类和决策树的组合分类器方法,建立了客户分类预测模型并对模型进行优化,并探讨该模型的实际应用。 关键词:客户关系管理;客户分类;SOM;决策树;组合分类器 一、研究方法概述 本文采用数据挖掘技术对重庆某银行客户信息进行分析,采用SOM聚类方法对该银行已出现过
2、风险的客户进行基于风险程度的聚类,将客户分为中风险客户和高风险客户,而未出险风险的客户设为低风险客户。通过决策树分类器方法对三种风险客户建立分类预测模型,得出对该银行客户风险分类预测效果较好的分类模型,以便及时有效的发现低风险和高风险客户,并对不同风险客户采取相关管理措施,以指导该银行的客户关系管理。 分类器技术是模式识别及机器学习的重要研究领域。通过研究发现,某些模式识别问题,通常有多个特征可用于表征和识别模式,如果特征之间的差异太大,则难以将它们集中到单一分类器中进行决策。有效融合SOM与决策树分类的优势,是本文在技术改进方面研究的侧重点。 1.数据模型。数据模型是对客
3、户风险聚类和建立客户风险分类预测的数据挖掘模型的前提和条件。 聚类数据模型主要属性包括客户代码(ID)、第一、二、三、四季度收益(C1,C2,C3,C4)及一年的收益(all),属性类型均为interval。 分类数据模型主要属性(及属性类型)为客户ID(Nominal)、性别(Binary)、年龄(Interval),以及年初余额、各季度笔数POS消费、金额POS消费、笔数柜台存款(均为Interval),和风险客户分组group1、group2、group3(Binary)等。 2.SOM。SOM网络算法是一种聚类算法,它能根据其学习规则对输入的模式进行自动分类,即在
4、无监督的情况下,对输入模式进行自组织学习,通过反复地调整连接权重系数,最终使得这些系数反映出输入样本之间地相互关系,并在竞争层将分类结果表示出来。因此,SOM神经网络在结构上模拟了大脑皮层中神经元是二维空间点阵的结构,并在功能上通过网络中神经元间的相互作用和相互竞争,模拟了大脑信息处理的聚类功能、自组织和学习功能。该算法被广泛应用于各种模式识别和分类问题中。其聚类效果评估如下: 簇内部指标的有效性的度量都基于簇凝聚度和簇离散度。而簇的凝聚度通常以误差平方和SSE来度量;簇离散度通常以总组间变差SSB来度量。相应公式如下: 其中ci表示簇Ci的质心;c表示总体质心;mi表示簇
5、Ci中有mi个个体。 3.决策树。决策树方法是较为常用的分类方法,它的预测效果较好且以树形结构表示,树的节点处给出对结果预测起较为重要作用的属性,结果形象直观,便于获得更多的挖掘信息以及应用。C4.5方法是在国际上影响较大的决策树方法。因此本文采用C4.5决策树方法,对客户建立价值预测分类模型。 决策树C4.5算法采用信息增益率(GainRatio)作为决策树模型中的属性选择的测试条件,可有效避免传统方法中熵和Gini指标可能产生大量输出的测试条件的情况,提高模型的性能。研究中采用后剪枝方法,在该方法中,初始决策树按照最大规模生长,然后进行剪枝的步骤,按照自底而上的方式修剪
6、完全增长的决策树。当模型不能再改进时终止剪枝步骤。分类效果评估如表1所示,显示了混总分类模型正确和不正确预测的实例数目的混淆矩阵。 (1)对整个模型来说正确率和错误率为主要评估指标: 正确率Accuracy=(TP+TN)/(TP+TN+FN+FP) 错误率Errorrate=(FN+FP)/(TP+TN+FN+FP) (2)对于更为重视类别,在混淆矩阵中主要有以下几种指标: 真正率(TruePositiveRate,TPR)或灵敏度(Sensitivity)定义为被模型正确预测的正样本的比例,即:TPR=TP/(TP+FN) 假负率(FalseNegativeRa
7、te,FNR)定义为被预测为负的正样本比例,即:FNR=FN/(TP+FN) 召回率(Recall)是一个广泛适用的度量,用于成功预测一个类比预测其他类更重要的应用。具体公式如下:r=TP/(TP+FN) 以上公式同样可以推广到3类以上的模型评估。 二、案例分析 1.客户数据。本文以XX银行重庆分行为例,从XX银行重庆分行数据库中随机抽取2007年1月至12月重庆地区部分客户的数据。原始数据包含了6079个客户约600000条交易记录。 2.数据预处理。将样本数据中的空缺值