维普资讯 doc.guandang.net
10 8
计算机技术与发展
第 l 8卷
射到球面 S上, 其中 r l X I l∈D}≥Ia; l I 。那么这时 w *(一0>0就表示由超平面 j所分割的正半 ),空间部分。其中:是权向量,是阈值,是样本输 w 入向量。正半空间的部分恰为超球面上的某个“球形领域”若 w与等长, w为这个球形领域的中心,,则
掘相关的数据表。初步得到的数据表,信息量大,并且维数多,中有些数据并不完备,表有些字段与挖掘无关。为了解决这些问题,采用了多表合并的抽取方法, 使用 S QL查询语句,根据表中的主键、键将这些数外据表逐步合并成一张数据表,获取适合需求的字段。并 2 2数据预处理 .
其半径为 r 0=Ra cs/ 若取神经元的功能 () r o( R), c 函数为符号函数 S n W *一0, g( )取其激励函数为
初步采集后的数据并不完整,需要对其进行一定的预处理 J才能满足挖掘算法输入的要求。初步采 7, 的去除、数据归一化和离散化操作,得到的数据样本情 况如
表 1所示。
S WX ){它,功函为球集得到的合并的数据表, a - 0}其能数超面 n 则 (:’: 其经过空缺值的处理、冗余属性 上“球形领域”特征函数。这样,个神经元就对应的一超球面上一个“形领域”5 球 _ l。 J由神经元的几何意义得知,造一个网络,给定构对表 1样本概况 样本数量样本维数 1 4
的样本集能够进行符合要求的分类,价于求出一组等覆盖领域 .这组覆盖领域可以将样本按要求分隔开领 域。这样,将神经网络的最优设计问题转化成某种就求最优覆盖的问题。 1 2覆盖算法 .
根据原始数据中的客户黑名单登记表,找出总查
表中曾经发生过骗保或拒赔的客户。其中黑名单样本数量是 14条, 3 1将近是未发生骗保事件样本数目的十分之一。将客户信用等级作为决策属性,可将这些样本分为 2:类一类未出现在黑名单中,信用良,另一类出现在黑名单中,信用差;也可根据客户黑名单表中数 据的不同情况将样本分为 3类,即将出现在黑名单中
覆盖算法 J的基本思想就是用求出的覆盖领域作为三层网络的隐含层,输入层为测试集,输出层为测试集的分类结果。给定一输入集 K={ z,,} z,… , 设 K分为 s个子集 K={, 0…, (}…,= z, I, K ) { , “,,} z ( ) z ( )… 。用一个三层网络构造一一
分类器,求出一组领域,组领域将不同类的点分隔这开来,使属于 K的点的输出均为 Y={,,,,, l 0… 0 1 0 …
的数据根据骗保和拒赔分为 2类:信用差,信用极差。 样本分布情况如表 2所示。 表 2样本分布情况
,
0(}即其第个分量为 1其余分量为 0的向量 ) i,, 算法步骤如下:
= 1 2,,。,… S
第一步,找初始点“,从点 n开始覆盖。 第二步,确定以 n为圆心的覆盖领域 C的半径。 找离“最近的异类点,其距离记 d; 找离 n最远的距离小于 d的同类点,其距离记为 d。覆盖领域的半径, 为 r d+d )2=( 1 2/。 2 3实验结果与分析 .
第三步,求领域 C的重心, 并记为“。第四步,复第二到三步,
重直到覆盖的点不再增加 为止。这样就得到一个覆盖 K中点的局部最大覆盖
基于交叉覆盖算法的信用分类算法的实质就是通 过对样本的学习构造神经网络,产生分类器,再通过分
类器对样本进行分类。将样本分为 l 0组, 9组作为训练,组作为测试, 1循环交叉。i试神经网络的分类效见 0果,分类准确率由如下公式求出:
C。其覆盖 K记为 K¨ 。第五步,找一个不同类点 n再开始覆盖; T—令 K K K K,一 ’/一 K。
分准率鬻类确= 数据,据情况如表 3表 4示。数、所
×0 1 0%
若只剩最后一类点,将最后一类点作为一个覆则 盖;否则回第二步。
由于上述不同类别的数据数量差别较多,用随机方法分别从不同类别的数据中抽取部分数据作为实验 实验采用了交叉覆盖算法和 S M方法 _对样本 V 8 6 .
2基于交叉覆盖算法的客户信用分类 2 1数据准备 .
分 3类的情况进行了测试,结果如表 5表 6、所示。 从表 5表 6可以看出交叉覆盖算法和 S M法的、 V
文中所用的数据来自于某保险公司的寿险数据库,中包括数十张数据表。通过分析,其确定与本次挖
分类准确率随着样本数目的增多有所提高,但是交叉
doc.guandang.net
数据挖掘技术在保险公司客户评估中的应用研究_金融/投资_经管营销_专业资料。软件 201 3年第 3 4卷第1期 SOFTⅥ RE 国际 I T传媒品牌 数据挖掘技术在保险...
基于数据挖掘的信用卡客户... 62页 2财富值喜欢此文档的还喜欢 保险业数据挖掘应用 29页 免费 数据挖掘技术在人寿保险CR... 4页 免费 数据挖掘技术在车辆...
暂无评价0人阅读0次下载举报文档 数据挖掘技术在保险客户理赔分析中的应用...(3) 信用卡; (4) 联名卡; (5) 邮政 类别型 划拨 Q11 Q12 Q13 Q14 ...
客户关系管理(CRM )是数据挖掘的重要 应用领域 , 可以帮助保险公司把低收益客户....70〔7〕 陈 艳. 数据挖掘技术在保险客户信用评估中的运 〔8〕 张 吉, ...
商业银行客户信用风险状况, 建立了更加科学的评分模型;将数据挖掘技术和计算机技术相结合,建立了一套可视化的信 用评分系统,并对数据挖掘技术在银行业的应用做了有...
数据挖掘技术在信用卡信用风险评估中的应用_经济学...的客户及信用卡基本信息数据和信用卡历史交易数据,就...提高保险业的险率精算程度、欺诈检测、客户流失管理...
针对当前信贷业务中的信用风险问题,通过建立基于数据挖掘的信贷客户信用评估系统,并使用ID3算法对样本数据进行实证分析,表明数据挖掘技术应用于金融企业的信贷客户信用...
的信用风险问题, 通 过建立基于数据挖掘的信贷客户信用评估系统, 并使用 ID3 算法 对样本数据进行实证分析, 表明数据挖掘 技术应用于金融企业的信贷客户信用评估...
与风险甄别 — 数据挖掘技术在风险甄别——尤其保险业的高风险客户甄别领域应用...(三) 贡献要素厘定及贡献评级 Liang( 2010) 系统研究汽车制造业客户价值评估...
暂无评价0人阅读0次下载举报文档 数据挖掘技术在保险业务中的应用_金融/...应用的普遍现状是 : 汇集了 大量客户信息和 业务数据 , 但 因为缺乏挖掘数据...
热门文档