發(fā)布時(shí)間：2023-04-19 18:18

　　隨著互聯(lián)網(wǎng)科技的快速發(fā)展和進(jìn)步,5G時(shí)代的來(lái)臨,我國(guó)的每個(gè)居民的平均可支配收入大幅度增加,互聯(lián)網(wǎng)的發(fā)展迅速和商業(yè)銀行發(fā)展邁入信息化階段都將銀行業(yè)代入了全新的營(yíng)商環(huán)境之中。通過(guò)商業(yè)銀行為消費(fèi)者提供越來(lái)越豐富多樣的產(chǎn)品的同時(shí)也積累了大量的數(shù)據(jù)。從海量數(shù)據(jù)中獲得到有價(jià)值的信息,在結(jié)合使用大數(shù)據(jù)技術(shù)來(lái)為銀行決策提供服務(wù),開(kāi)始逐步獲得實(shí)踐和嘗試。由于日益加劇的金融市場(chǎng)競(jìng)爭(zhēng)和快速興起的網(wǎng)絡(luò)金融的沖擊,銀行更加重視針對(duì)理財(cái)產(chǎn)品的營(yíng)銷,希望以此獲得更多利潤(rùn)。傳統(tǒng)意義上的上門營(yíng)銷和電話營(yíng)銷已經(jīng)逐漸被社會(huì)淘汰,使用精準(zhǔn)營(yíng)銷可以提高營(yíng)銷的精確度,并且使人力物力的成本大大減少,大大降低銀行的營(yíng)銷成本,大數(shù)據(jù)可以為商業(yè)銀行帶來(lái)明顯的競(jìng)爭(zhēng)優(yōu)勢(shì)。在這種情況下,之前的傳統(tǒng)營(yíng)銷方案因?yàn)榇嬖趩蜗蚧?大眾化,并且應(yīng)變能力不及時(shí)沒(méi)有針對(duì)性等缺點(diǎn),不能實(shí)現(xiàn)理想中效果。在大數(shù)據(jù)的發(fā)展背景下,商業(yè)銀行通過(guò)使用之前收集到的各類數(shù)據(jù)建立客戶的資料庫(kù),然后使用機(jī)器學(xué)習(xí)技術(shù)來(lái)實(shí)現(xiàn)精準(zhǔn)營(yíng)銷。機(jī)器學(xué)習(xí)有多學(xué)科領(lǐng)域知識(shí)交叉而成,既包含著統(tǒng)計(jì)學(xué)理論知識(shí),概率論知識(shí)和各種復(fù)雜的算法知識(shí),通過(guò)利用計(jì)算機(jī)來(lái)模擬人類的學(xué)習(xí)方式,劃分現(xiàn)有的知識(shí)內(nèi)容結(jié)構(gòu)來(lái)使...

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 國(guó)內(nèi)研究現(xiàn)狀
        1.3.2 國(guó)外研究現(xiàn)狀
        1.3.3 文獻(xiàn)述評(píng)
    1.4 研究?jī)?nèi)容
        1.4.1 數(shù)據(jù)說(shuō)明
        1.4.2 論文組織結(jié)構(gòu)
    1.5 創(chuàng)新點(diǎn)
第二章 基本理論方法介紹
    2.1 邏輯回歸算法
    2.2 決策樹(shù)算法
    2.3 隨機(jī)森林算法
    2.4 GBDT算法
    2.5 XGBOOST算法
    2.6 LIGHT GBM算法
第三章 數(shù)據(jù)處理分析
    3.1 數(shù)據(jù)來(lái)源及介紹
    3.2 描述性分析
        3.2.1 數(shù)值型變量描述性分析
        3.2.2 分類型變量描述性分析
    3.3 數(shù)據(jù)預(yù)處理
        3.3.1 異常值處理
        3.3.2 缺失值處理
        3.3.3 數(shù)值型特征處理
        3.3.4 分類型特征處理
        3.3.5 數(shù)據(jù)無(wú)量綱化處理
        3.3.6 不平衡數(shù)據(jù)處理
    3.4 特征篩選
第四章 模型實(shí)現(xiàn)與評(píng)估
    4.1 模型評(píng)估指標(biāo)
    4.2 機(jī)器學(xué)習(xí)模型建立
        4.2.1 邏輯回歸
        4.2.2 隨機(jī)森林
        4.2.3 XGBoost模型
        4.2.4 LightGBM模型
    4.3 模型評(píng)估總結(jié)
    4.4 特征影響分析
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
后記



本文編號(hào)：3793964