信用分析中常用数据挖掘算法.pdfVIP

【高新技术产业发展 】 糕躜 信用分析 中常用数据挖掘算法 吴昌钱 (华侨大学 计算机学院 福建 泉州 362000) 中图分类号：TP311 文献标识码：A 文章编号：1671--7597(2011)0320035--01 0引言 某个属性上的测试 ，其下的每个分支代表着该属性上的一个测试输出。叶 随着商务、科技和政府等事务的信息化步伐加快，数据的形成速度也 子节点代表着元组的所属类别。 在加快 ，形成瞬间数据的爆炸性增长势态 。与此 同时，人们收集数据的能 决策树模型被用于分类预测时。可以直接单独使用，也可以与其他模 力也在迅速提高。现在，internet已经真正成为 了一个全球的信息系统 ， 型相结合使用，后者能实现更为准确的分类预测。例如，可以直接使用决策 人们都 已经淹没在了数据和信息的海洋中，都在这数据的汪洋 中寻找有利 树模型来实现市场营销、风险管理等方面的管理决策制定。又如，先采用构 的信息 ，寻找商机，寻找利润增长点。那么，人们在海量数据中又如何才 建浅层次的决策树的方式来实现对样本集初步的分割， 目的是得到同质小样 能快速获得有效数据信息呢，这就需要采用智能处理方式来发现数据中的 本集；而后，与其它数据挖掘模型相结合进一步建立更为准确的分组。 知识，也就是要采用数据挖掘的技术来处理发现数据中隐含的模式，隐含 构建决策树算法模型的核心是选择合适的测试属性用 以分割样本集。 的知识。 在处理这一核心 问题上，采用不同的技术将形成不同的具体的决策树算法 数据库数据挖掘 (DataMining)就是从大量的、不完全的、有噪声 模 型。应用 比较广 泛 的决策树算法模 型有 ：ID3、C4．5、C5．0、CART。 的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知 ID3是Quinlan于 1986年提 出 的基于信息熵 的决策树 分类 算法 ，c4．5是 道的、但又是潜在有用的信息和知识的过程 [1]。该定义包含着 以下几个 Ouinlan于1993年提出的ID3改进版 的算法，C5．O主要针对大数据集 的分 含义：① 被处理的数据必须是真实的、大量的；② 发现 的是有用的，是 类，与c4．5相 比，前者在生成规则方面作了改进，在运行效率上要 比后者 用户感兴趣的知识：⑨ 被发现的知识要可接受、可理解、可运用；④ 被 快。CART是一种生成二叉树的决策树算法，它同样是采用信息熵为选择分 发现的知识并不要求具有通用性，而是面向特定问题的有用知识 。数据挖 割属性的度量标准 。决策树算法除了上面提到的四种 ，还存在多种改进的 掘还被认为是一一种商业信息处理技术，主要特点是对商业数据库中的大量 算法，但在分割属性的选择方式上大都采用 “贪婪算法 ”。 业务数据进行抽取、转换、分析和其他模型化处理 ，从中提取辅助商业决 1．2神经 网络。神经网络是一组相互连接的由多个节点构成 的有 向 策的关键性数据。没有数据挖掘技术的发展，数据库中的大量数据不能得 图，是模拟智能动物的脑神经认知事物 的功能而建立的一种 网络学习模 到充分分应用 ，不能发现数据库 中数据所隐含的有用知识。那么，数据库 型。神经网络模型的建模过程是非线性的，属于梯度下降算法。支持信息 中的数据不管有多么的完整，量有多么的大，只要不能提供给经营决策， 的并行处理 ，在模式识别与分类、识别滤波 、自动控制、预测等方面都有 不能带来经济效益，数据最终只能是 “垃圾数据”。 ，泛的应用。 数据挖掘是一个涉及到多学科 的领域。这些相关领域学科包括数据库 神经网络的结构中有