基于神经网络的信用卡使用意愿分析.docVIP

基于神经网络的信用卡使用意愿分析 　　摘要:近年来,各商业银行积极拓展信用卡业务。拓展业务的渠道非常有限,在发放并收回大量调查问卷后,仅仅通过问卷得分来判断潜在的客户。利用人工神经网络来分析调查问卷,给出专家意见,得出的研究结论可有效地挖掘潜在信用卡客户。使用这种方法在增加业务拓展成功概率的同时,也相应地减少了商业银行工作人员的工作量。 　　关键词:神经网络;信用卡;商业银行 　　中图分类号: TP18文献标识码:A文章编号:1009-3044(2010)10-2427-03 　　Analysis of Wish Using Credit Card Base on Neural Network 　　PENG Xin-chu 　　(Urumqi Central Branch, Peoples Bank of China, Urumqi 830002, China) 　　Abstract: The market of credit card is developing very fast recently. There are not many methods can be used to exploiting the market. Giving off questionnaire and judging the score is the only way of estimating potential users. Analyzing questionnaire using neural network effectively unveils potential users by concluding expert opinion. This way increases the probability of success in exploiting the market, meanwhile, reduces the burden of personnel of commercial bank. 　　Key words: neural network; credit card; commercial bank 　　本研究基于上千份信用卡使用意愿调查问卷。利用调查问卷统计数据对人工神经网络实例进行训练,使受适当训练的网络有能力泛化,即输入新的未在训练集中的问卷数据时,网络也有能力做出决策,给出专家意见,得出的研究结论可用来挖掘潜在的信用卡客户。本研究的创新之处一是构造了更加符合人类归纳思维的三层网络;二是利用面向对象的思想模拟了上千个填写问卷的消费者大脑,最终由它们集中决策通过表决机制预测潜在的消费者。 　　1 问卷构成及神经网络的结构 　　问卷设计的内容涉及消费者特征、技术感知、外部认知三个主要类项。每个类项下分别各有6个、5个、3个子类项,每个子类项又是问卷若干问题得分的平均值。各类项相互影响情况如图1。通常经济领域里应用较多的是BP神经网络,常使用MATLAB工具箱提供的工具来完成相关的编程。一般情况下要求BP三层神经网络中隐层的节点数多于输入层的节点数。为使各事物间联系更加符合人类的归纳思维,现打破常规,隐层仅采用三个节点分别代表消费者特征、技术感知、外部认知。这是因为根据心理学的有关知识,人脑仅会基于几个归纳后的要素做出决策,多于七个要素是不易被记忆的,例如手机号码通常采用四位分一组进行记忆,英文单词常要拆成词根来记忆。根据图1确认各类项的影响情况,现构造网络模型如图2。 　　该网络为三层,隐层仅有三个结点,输入层结点并不对隐层所有结点有输出。上百个原始数据训练上百个网络实例,上百个网络实例模拟了上百个不同人脑的部分功能。当有新的输入数据需要预测结果时,新的输入数据经过这上百个网络实例做出了上百个结果,在一定误差范围内,有m个网络实例选择为0,有n个网络实例选择为1。m和n居多者更能代表群体对新输入数据结果的判断。 　　2 算法描述 　　由于研究的主要方向是对模型辨识和预测,所以使用误差反向传播的前向网络(Back Propagation)。其隐层和输出层的激发函数选用连续可导的Sigmoid函数: 　　 (1) 　　下面给出网络实例反向传播训练的步骤[1]: 　　1)置各层权值和阀值的初值,ωjk、ωij、θj、θk为小的随机数阵;误差代价函数ε赋值;设置循环次数R。 　　2)提供训练用的学习资料;输入矩阵xki(k=1,2…,R;i=1,2,…,11),经过参考模型(样本问卷调查的结果)可得到目标输出ypk,即教师信号;经过神经网络后可得到yk,对于每组k进行下面的第(3)至(6)步。 　　3)按式(2)计算隐层单元的输出aj,按式(3)计算网络输出yk。 　　 (其中αi