浅析基于组合分类器的银行客户分类模型研究.docVIP

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 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(Gain Ratio)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Error rate=( 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(True Positive Rate,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(False Negative Rate,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