基于樹形算法的銀行客戶細分研究.pdf

1、基于樹形算法的銀行客戶細分研究重慶大學碩士學位論文（專業(yè)碩士）學生姓名：秦振凱指導教師：黃薇副教授學位類別：應用統(tǒng)計碩士重慶大學數(shù)學與統(tǒng)計學院二O一七年四月重慶大學碩士學位論文中文摘要I摘要隨著銀行業(yè)的發(fā)展，銀行客戶的信息量急劇增長，為更好的為銀行客戶提供有效的金融服務，銀行從業(yè)者需要對客戶進行細分，根據(jù)客戶特征將客戶分成不同的類別，然后針對不同類別的客戶特點制定相應的服務策略。近年來樹形算法在數(shù)據(jù)挖掘領域備受關注，逐漸成為學者研究的熱

2、點領域。樹形算法在處理分類問題時具備多方面的優(yōu)勢，其中包括能夠有效的處理大量高維且結構復雜的數(shù)據(jù)、對于異常值和噪聲點有較強的容忍度、還可以更加直觀的解釋結果等，是最常用的CRM（客戶關系管理系統(tǒng)）客戶細分技術。論文首先討論了銀行客戶細分問題的產(chǎn)生與研究意義，全面的分析了客戶細分的重要性，為論文提供了理論上的支持；隨后討論了基于內存的分布式計算工具Spark，Spark處理大數(shù)據(jù)量具有非常明顯的優(yōu)勢，在處理實證數(shù)據(jù)時發(fā)揮了重要作用；最后，

3、重點討論了四種樹形算法在銀行客戶細分問題中的應用，詳述了決策樹C4.5算法、決策樹CART算法、平衡隨機森林BRF算法和GBDT算法的原理，并對GBDT算法在最終結果加權問題上進行了調整，在Spark上編程實現(xiàn)了這些算法，分別處理了銀行客戶數(shù)據(jù)并得出結果。根據(jù)各樹形算法在實證數(shù)據(jù)中的表現(xiàn)進行分析，最終研究得出平衡隨機森林在銀行客戶細分中的表現(xiàn)最好。論文的主要創(chuàng)新點在于將樹形算法引入到銀行客戶細分中，并通過實證檢驗了其預測能力；同時探索了