【摘要】： 隨著我國(guó)加入世貿(mào)組織以及金融體制改革的逐漸深入,越來(lái)越多的世界級(jí)外資銀行涌入中國(guó)金融市場(chǎng),銀行業(yè)的競(jìng)爭(zhēng)日益激烈。要想在競(jìng)爭(zhēng)中站穩(wěn)腳,銀行必須要進(jìn)行客戶細(xì)分,將有限的資源用來(lái)為有價(jià)值的客戶服務(wù),并為有價(jià)值的客戶提供更優(yōu)質(zhì)的服務(wù),實(shí)現(xiàn)資源價(jià)值最大化。 支持向量機(jī)(Support Vector Machines, SVM)是在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上開(kāi)發(fā)出來(lái)的一種新的、非常有效的機(jī)器學(xué)習(xí)新方法,能夠較好地解決以往困擾很多學(xué)習(xí)方法的一系列問(wèn)題,如非線性、過(guò)學(xué)習(xí)、高維數(shù)、局部極小值等實(shí)際問(wèn)題。目前,SVM受到了越來(lái)越多的學(xué)者的關(guān)注,正在成為人工智能和機(jī)器學(xué)勻領(lǐng)域新的研究熱點(diǎn)。 本文在國(guó)內(nèi)外研究的基礎(chǔ)上,深入分析影響客戶價(jià)值的一系列指標(biāo),提出了一套全面的信用卡客戶細(xì)分指標(biāo)體系；將支持向量機(jī)分類方法應(yīng)用到信用卡客戶細(xì)分問(wèn)題中來(lái),并根據(jù)信用卡客戶細(xì)分這個(gè)應(yīng)用問(wèn)題的存在的一系列問(wèn)題,如數(shù)據(jù)分布不平衡和錯(cuò)分代價(jià)不同、模糊隸屬、支持向量數(shù)多導(dǎo)致的學(xué)習(xí)速度較慢以及多類分類這幾大問(wèn)題,提出了相應(yīng)的解決方案。 本文主要研究工作如下： 第一,構(gòu)建了一套全面的信用卡客戶細(xì)分指標(biāo)體系。考慮到客戶的個(gè)人特征影響著其消費(fèi)行為,以及其消費(fèi)行為體現(xiàn)出一定的客戶價(jià)值,因此,本文提出了從客戶個(gè)人特征、客戶消費(fèi)行為以及客戶貢獻(xiàn)度三個(gè)角度對(duì)客戶進(jìn)行研究,構(gòu)建了一套細(xì)分指標(biāo),并將此作為客戶細(xì)分的依據(jù)。 第二,提出了基于代價(jià)敏感學(xué)習(xí)(Cost Sensitive Learning, CSL)的支持向量機(jī)分類方法。傳統(tǒng)的基于數(shù)據(jù)挖掘的分類方法大多是普適性的學(xué)習(xí)方法,即假定所有的類別都是同等的,具有相同的誤分類代價(jià)。然而,在客戶細(xì)分應(yīng)用中,這個(gè)假設(shè)是不成立的,將低價(jià)值客戶歸入高價(jià)值客戶的誤分類代價(jià)與將高價(jià)值客戶歸入低價(jià)值客戶的誤分類代價(jià)是不一樣的。正是考慮到這一點(diǎn),因此本文將代價(jià)敏感學(xué)習(xí)機(jī)制引入客戶細(xì)分中,并且,與一些研究中依據(jù)經(jīng)驗(yàn)值給定誤分類代價(jià)不同的是,在本文中作者利用函數(shù)來(lái)計(jì)算誤分類代價(jià)。 第三,提出了基于模糊C均值聚類(Fuzzy C-Means Cluster, FCM)的支持向量機(jī)分類方法。在客戶細(xì)分這個(gè)實(shí)際應(yīng)用問(wèn)題中,每類客戶之間的劃分并不是那么地絕對(duì),也就是說(shuō)某個(gè)客戶可能以不同的程度隸屬于多個(gè)類,為了能夠更好地表明這個(gè)模糊隸屬的關(guān)系,本文采用了模糊C均值聚類來(lái)處理這個(gè)問(wèn)題。同時(shí)由于銀行業(yè)務(wù)量大,客戶數(shù)據(jù)較多,標(biāo)準(zhǔn)SVM在進(jìn)行分類時(shí),產(chǎn)生的支持向量機(jī)數(shù)量多,使得分類速度較慢,為了解決這個(gè)問(wèn)題,本文應(yīng)用模糊C均值聚類并不是在SVM的目標(biāo)函數(shù)中加入隸屬度變量,而是用模糊C均值聚類對(duì)樣本進(jìn)行聚類,取得分布在分類邊界的c個(gè)樣本對(duì),然后將這c個(gè)樣本對(duì)作為支持向量,利用這些支持向量和樣本來(lái)訓(xùn)練SVM。該方法可以約簡(jiǎn)支持向量的個(gè)數(shù),提高SVM的學(xué)習(xí)速度。 第四,提出了基于距離二叉樹(shù)的多分類器支持向量機(jī)學(xué)習(xí)方法。標(biāo)準(zhǔn)的支持向量機(jī)機(jī)器學(xué)習(xí)是基于二類劃分的,然而在大多數(shù)實(shí)際分類問(wèn)題是多類劃分的,因此,需要將二類支持向量機(jī)擴(kuò)展到多分類支持向量機(jī)以滿足實(shí)際應(yīng)用需要。本文采用的基于距離二叉樹(shù)的多類分類方法解決了傳統(tǒng)二叉樹(shù)的結(jié)構(gòu)生成難問(wèn)題,并提高了其泛化能力。 第五,設(shè)計(jì)了一個(gè)基于數(shù)據(jù)挖掘的客戶細(xì)分原型系統(tǒng)。在前面研究工作的基礎(chǔ)上,利用所提出的基于代價(jià)敏感的多分類支持向量機(jī)客戶細(xì)分模型來(lái)設(shè)計(jì)系統(tǒng),實(shí)現(xiàn)客戶細(xì)分功能。
【圖文】：

待待分類類 類分類模塊塊 數(shù)數(shù)據(jù)集集 集集集集集集 圖5一系統(tǒng)運(yùn)行流程圖Fig.5一 2FlowChartofthesystemProeessing5.2.2系統(tǒng)實(shí)現(xiàn)為了方便用戶的使用，系統(tǒng)的前端界面大都較為簡(jiǎn)潔，主要的細(xì)分工作都放在后臺(tái)進(jìn)行。下面給出系統(tǒng)的若干界面圖。5.2.2.1主界面圖5一3所示為主界面。哪哪瞿鄂馨黔臀臀臀臀罐墨翼馨文件攀蝸管拜一容戶細(xì)分珍甲鑲助、、_____一_圖5一3主界面Fig.5一 3MainInteri觸ee5.2.2.2客戶分類界面在前面5.1.2中提到過(guò)，由于支持向量機(jī)算法對(duì)于銀行用戶來(lái)說(shuō)比較復(fù)雜，

圖54輸入客戶分類數(shù)界面Fig.5并Interfaceof玩PuttingClassifieation戶輸入細(xì)分類數(shù)時(shí)，則系統(tǒng)會(huì)根據(jù)用戶輸入的類數(shù)，自動(dòng)確定誤分維度大小。假定用戶將用戶數(shù)確定為3類，點(diǎn)擊“客戶細(xì)分”按鈕求用戶輸入代價(jià)矩陣。系統(tǒng)會(huì)根據(jù)用戶輸入的分類數(shù)，將客戶根據(jù)排列為A，B，C，，D，E，F(xiàn)等類。如圖5一5所示。
【學(xué)位授予單位】：浙江工商大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2010
【分類號(hào)】：F830.42

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前2條

1 宋靜;SVM與AdaBoost算法的應(yīng)用研究[D];大連海事大學(xué);2011年

2 韓曉華;A基金公司網(wǎng)上直銷客戶細(xì)分及客戶服務(wù)研究[D];華東理工大學(xué);2013年

本文編號(hào)：2692682