數(shù)據(jù)挖掘技術(shù)能有效地挖掘出潛在的銀行客戶,能夠大大提高銀行的競爭力.介紹了數(shù)據(jù)挖掘技術(shù)中常用的三種模型:邏輯回歸模型、BP神經(jīng)網(wǎng)絡(luò)模型和決策樹模型,同時構(gòu)造了一種新模型——邏輯回歸與BP神經(jīng)網(wǎng)絡(luò)混合的模型,然后分別采用這四種模型對可能影響銀行客戶是否認(rèn)購定期存款的影響因素進(jìn)行數(shù)據(jù)挖掘分析,分別構(gòu)建了基于邏輯回歸模型、BP神經(jīng)網(wǎng)絡(luò)模型、邏輯回歸與BP神經(jīng)網(wǎng)絡(luò)的新模型、決策樹模型的銀行客戶定期存款認(rèn)購的四種模型,同時利用R語言分別對這四種模型進(jìn)行分析,分別用ROC曲線的AUC值和正確率比較這四種模型的功效強(qiáng)弱以及穩(wěn)定性,研究結(jié)果表明,給出的新模型——邏輯回歸與BP神經(jīng)網(wǎng)絡(luò)的新模型的預(yù)測效果更好,訓(xùn)練集和測試集預(yù)測的準(zhǔn)確率分別為0.936和0.931,訓(xùn)練集和測試集ROC曲線的AUC值分別為0.998和0.987,這可以大大縮小銀行推送認(rèn)購定期存款的客戶范圍,有效地挖掘出潛在的銀行客戶,可以大大提高銀行的效率. 

【文章來源】：數(shù)學(xué)的實(shí)踐與認(rèn)識. 2019,49(21)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

圖１驗(yàn)證集和測試集的邏輯回歸ＲＯＣ曲線?

圖２驗(yàn)證集和測試集的決策樹ＲＯＣ曲線??

圖３?ＢＰ神經(jīng)網(wǎng)絡(luò)中訓(xùn)練集和測試集的ＡＵＣ?

【參考文獻(xiàn)】：
期刊論文
[1]基于神經(jīng)網(wǎng)絡(luò)的地鐵短時客流預(yù)測服務(wù)[J]. 侯晨煜,孫暉,周藝芳,曹斌,范菁.  小型微型計(jì)算機(jī)系統(tǒng). 2019(01)
[2]基于BP-RBF神經(jīng)網(wǎng)絡(luò)的組合模型預(yù)測港口物流需求研究[J]. 蔡婉貞,黃翰.  鄭州大學(xué)學(xué)報(工學(xué)版). 2019(05)
[3]基于改進(jìn)CART決策樹建立水華預(yù)警模型[J]. 劉云翔,吳浩.  中國農(nóng)村水利水電. 2018(01)
[4]k-means和邏輯回歸混合策略的不平衡類學(xué)習(xí)方法[J]. 鄔長安,鄭桂榮,孫艷歌,郭華平.  小型微型計(jì)算機(jī)系統(tǒng). 2017(09)

碩士論文
[1]我國商業(yè)銀行不良貸款影響因素研究[D]. 徐述杰.山東大學(xué) 2018
[2]基于因子分析法對中國商業(yè)銀行競爭力的分析[D]. 吳駿奇.吉林大學(xué) 2017



本文編號：3556441