本文關(guān)鍵詞：應(yīng)用決策樹構(gòu)建個人住房貸款風(fēng)險評估模型，由筆耕文化傳播整理發(fā)布。

【摘要】： 本文主要運用數(shù)據(jù)挖掘中的決策樹技術(shù)對經(jīng)過預(yù)處理后的個人住房貸款挖掘數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)隱藏在大量數(shù)據(jù)中的隱含模式，最終得到個人住房貸款風(fēng)險評估模型。本文研究的內(nèi)容主要包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理以及模型的建立，而這三部分又是基于數(shù)據(jù)挖掘以及決策樹的相關(guān)理論，根據(jù)業(yè)務(wù)需求并按照數(shù)據(jù)挖掘工作的一般步驟展開的。 論文針對我國商業(yè)銀行信貸資產(chǎn)質(zhì)量低下和風(fēng)險加大的客觀情況，借鑒外資銀行應(yīng)用數(shù)據(jù)挖掘決策樹技術(shù)建立客戶信用評價系統(tǒng)的成功經(jīng)驗，在明確挖掘目的的前提下，深入理解數(shù)據(jù)挖掘、決策樹、數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、聚類分析以及模型評價等方面的相關(guān)概念。在此基礎(chǔ)上，結(jié)合本文研究的問題以及數(shù)據(jù)的特點，通過各種方法的分析與比較，用適合的數(shù)據(jù)采集和預(yù)處理方法對數(shù)據(jù)庫中的一半數(shù)據(jù)進(jìn)行處理，建立適合挖掘的數(shù)據(jù)集，應(yīng)用決策樹C4.5算法以及聚類k-平均算法對這些數(shù)據(jù)進(jìn)行挖掘和分析，通過計算風(fēng)險度量值和決策影響程度值，確定每個屬性各個取值的分?jǐn)?shù)值，得到個人住房貸款風(fēng)險評估模型。最后使用剩余的一半數(shù)據(jù)作為測試樣本來評價這個模型，證明此模型具有較強的預(yù)測能力，是當(dāng)前商業(yè)銀行可以采用的最優(yōu)模型，值得在實踐中推廣。 具體來說，本文的研究內(nèi)容主要有以下幾個方面： 1．針對我國個人住房貸款違約率上升的現(xiàn)象，借鑒國外銀行取得的成果，提出使用數(shù)據(jù)挖掘決策樹技術(shù)構(gòu)建個人住房貸款風(fēng)險評估模型將會給商業(yè)銀行帶來很多直接效益。 2．通過數(shù)據(jù)挖掘分類算法的比較，選擇決策樹技術(shù)以及經(jīng)典的C4.5算法作為本研究使用的算法，，并介紹其基本理論。 3．依據(jù)數(shù)據(jù)挖掘步驟，明確挖掘目的，以某商業(yè)銀行個人信貸數(shù)據(jù)為分析對象，分析研究個人住房貸款原始數(shù)據(jù)庫的數(shù)據(jù)，通過隨機(jī)序列發(fā)生器，從中隨機(jī)抽取一半數(shù)據(jù)作為本研究的樣本數(shù)據(jù)，得到個人住房貸款處理數(shù)據(jù)集，為數(shù)據(jù)挖掘后續(xù)步驟奠定數(shù)據(jù)基礎(chǔ)，另外一半將被用來測試。 4．兼顧數(shù)據(jù)質(zhì)量和計算效率，對一些重要的預(yù)處理方法深入地研究和實踐，選擇較為完善的預(yù)處理方法對個人住房貸款處理數(shù)據(jù)集進(jìn)行了一系列的處理，得到適合挖掘的個人住房貸款挖掘數(shù)據(jù)集。 5．在數(shù)據(jù)挖掘及決策樹理論的指導(dǎo)下，使用決策樹分類技術(shù)和聚類技術(shù)，應(yīng)用C4.5算法計算信息增益率創(chuàng)建決策樹，在此基礎(chǔ)上，計算風(fēng)險度量值和決策影響程度值得到個人住房貸款風(fēng)險評估模型，進(jìn)而通過聚類k-平均算法劃分風(fēng)險評估等級。 6．使用原始數(shù)據(jù)庫中的另一半數(shù)據(jù)對個人住房貸款風(fēng)險評估模型進(jìn)行測試和評價，證明其預(yù)測準(zhǔn)確率較高，穩(wěn)健性好，易于理解，效率高，推廣能力強。
【關(guān)鍵詞】：決策樹 個人住房貸款 風(fēng)險評估 數(shù)據(jù)預(yù)處理 數(shù)據(jù)挖掘
【學(xué)位授予單位】：東北財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2007
【分類號】：F832.4;F224
【目錄】：

• 摘要2-4
• ABSTRACT4-8
• 第1章 緒論8-13
• 1.1 課題背景及選題意義8-10
• 1.2 數(shù)據(jù)挖掘決策樹技術(shù)在國內(nèi)外銀行信貸業(yè)務(wù)的應(yīng)用現(xiàn)狀10-11
• 1.3 本文的研究方法及內(nèi)容11-13
• 第2章 數(shù)據(jù)挖掘的基本理論13-22
• 2.1 數(shù)據(jù)挖掘的定義13-14
• 2.1.1 技術(shù)角度的定義13
• 2.1.2 商業(yè)角度的定義13-14
• 2.2 數(shù)據(jù)挖掘的作用及功能14-15
• 2.3 數(shù)據(jù)挖掘的一般過程及具體應(yīng)用15-17
• 2.3.1 數(shù)據(jù)挖掘的一般過程15-16
• 2.3.2 個人住房貸款數(shù)據(jù)挖掘的過程16-17
• 2.4 數(shù)據(jù)挖掘的方法與選擇17-22
• 2.4.1 傳統(tǒng)統(tǒng)計分析18
• 2.4.2 神經(jīng)網(wǎng)絡(luò)技術(shù)18-19
• 2.4.3 決策樹方法19-20
• 2.4.4 數(shù)據(jù)挖掘方法的選擇20-22
• 第3章 決策樹的基本理論22-31
• 3.1 決策樹的基本概念22-23
• 3.2 決策樹算法及選擇23-26
• 3.2.1 ID3算法23-24
• 3.2.2 C4.5算法24-26
• 3.2.3 算法比較與選擇26
• 3.3 決策樹的構(gòu)造26-31
• 3.3.1 決策樹生成的操作過程26-28
• 3.3.2 決策樹的生長28-29
• 3.3.3 C4.5算法決策樹的修剪29
• 3.3.4 C4.5算法規(guī)則提取29-31
• 第4章 數(shù)據(jù)準(zhǔn)備31-44
• 4.1 數(shù)據(jù)采集31-32
• 4.1.1 數(shù)據(jù)采集方法31-32
• 4.1.2 數(shù)據(jù)采集結(jié)果32
• 4.2 數(shù)據(jù)預(yù)處理32-44
• 4.2.1 數(shù)據(jù)預(yù)處理的必要性32-34
• 4.2.2 數(shù)據(jù)預(yù)處理的內(nèi)容和方法34-42
• 4.2.3 數(shù)據(jù)預(yù)處理的結(jié)果42-44
• 第5章 個人住房貸款信用風(fēng)險評估模型的建立44-56
• 5.1 決策屬性信息增益率的計算44-47
• 5.2 依據(jù) C4.5算法構(gòu)造決策樹47-48
• 5.3 基于決策樹構(gòu)建風(fēng)險評估模型48-50
• 5.4 聚類分析確定風(fēng)險評估等級50-54
• 5.4.1 聚類的概念以及k-平均算法50-52
• 5.4.2 確定風(fēng)險評估等級52-54
• 5.5 模型評價54-56
• 第6章 總結(jié)與展望56-58
• 參考文獻(xiàn)58-62
• 后記62-63

【引證文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 潘浩;藺莉;;基于決策樹的畢業(yè)生課程優(yōu)化算法設(shè)計[J];信息技術(shù);2010年08期

  本文關(guān)鍵詞：應(yīng)用決策樹構(gòu)建個人住房貸款風(fēng)險評估模型，由筆耕文化傳播整理發(fā)布。

本文編號：387637