�。颊旧虡I(yè)銀行傳統(tǒng)營銷模式存在企業(yè)信息不對稱、以產(chǎn)品為中心、過于依賴主觀經(jīng)驗等問題。本文通過建立商業(yè)銀行對公客戶畫像,利用過采樣、滾動訓(xùn)練的方法解決城市行數(shù)據(jù)集中正負樣本不均衡以及數(shù)據(jù)量過小的問題,并選用在分類模型中效果較好的XGBoost模型預(yù)測融資需求高的小微企業(yè),以此提高營銷成功率。該模型在測試集中的預(yù)測效果精確率達到39%,比傳統(tǒng)營銷模式中客戶經(jīng)理隨機預(yù)測的營銷成功率提高了90倍,召回率為30%,命中率為三成,方法的有效性得到了驗證。 

【文章頁數(shù)】：8 頁

【參考文獻】：
期刊論文
[1]基于XGBoost的三分類優(yōu)惠券預(yù)測方法[J]. 張微薇,劉盾,賈修一.  南京航空航天大學(xué)學(xué)報. 2019(05)
[2]AdaBoost算法研究進展與展望[J]. 曹瑩,苗啟廣,劉家辰,高琳.  自動化學(xué)報. 2013(06)

碩士論文
[1]大數(shù)據(jù)背景下中小銀行小微信貸發(fā)展研究[D]. 姜濤.浙江大學(xué) 2018
[2]基于優(yōu)化的xgboost模型的商業(yè)銀行電話營銷效果分析[D]. 徐彬心.蘭州大學(xué) 2017



本文編號：3687083