基于数据挖掘技术的银行客户定期存款认购模型研究

发布时间：2021-12-29 16:02

　　数据挖掘技术能有效地挖掘出潜在的银行客户,能够大大提高银行的竞争力.介绍了数据挖掘技术中常用的三种模型:逻辑回归模型、BP神经网络模型和决策树模型,同时构造了一种新模型——逻辑回归与BP神经网络混合的模型,然后分别采用这四种模型对可能影响银行客户是否认购定期存款的影响因素进行数据挖掘分析,分别构建了基于逻辑回归模型、BP神经网络模型、逻辑回归与BP神经网络的新模型、决策树模型的银行客户定期存款认购的四种模型,同时利用R语言分别对这四种模型进行分析,分别用ROC曲线的AUC值和正确率比较这四种模型的功效强弱以及稳定性,研究结果表明,给出的新模型——逻辑回归与BP神经网络的新模型的预测效果更好,训练集和测试集预测的准确率分别为0.936和0.931,训练集和测试集ROC曲线的AUC值分别为0.998和0.987,这可以大大缩小银行推送认购定期存款的客户范围,有效地挖掘出潜在的银行客户,可以大大提高银行的效率. 

【文章来源】：数学的实践与认识. 2019,49(21)北大核心

【文章页数】：8 页

【部分图文】：

图１验证集和测试集的逻辑回归ＲＯＣ曲线?

图２验证集和测试集的决策树ＲＯＣ曲线??

图３?ＢＰ神经网络中训练集和测试集的ＡＵＣ?

【参考文献】：
期刊论文
[1]基于神经网络的地铁短时客流预测服务[J]. 侯晨煜,孙晖,周艺芳,曹斌,范菁.  小型微型计算机系统. 2019(01)
[2]基于BP-RBF神经网络的组合模型预测港口物流需求研究[J]. 蔡婉贞,黄翰.  郑州大学学报(工学版). 2019(05)
[3]基于改进CART决策树建立水华预警模型[J]. 刘云翔,吴浩.  中国农村水利水电. 2018(01)
[4]k-means和逻辑回归混合策略的不平衡类学习方法[J]. 邬长安,郑桂荣,孙艳歌,郭华平.  小型微型计算机系统. 2017(09)

硕士论文
[1]我国商业银行不良贷款影响因素研究[D]. 徐述杰.山东大学 2018
[2]基于因子分析法对中国商业银行竞争力的分析[D]. 吴骏奇.吉林大学 2017



本文编号：3556441