數據挖掘在銀行業(yè)務中的應用.pdf

1、本論文主要圍繞銀行增值業(yè)務的課題進行設計和實現。通過對增值業(yè)務的信息進行分析，圍繞客戶、產品和競爭對手三個主題，我們構建銀行增值業(yè)務數據倉庫，側重對分析人員和高層管理人員進行決策支持，以便他們準確和及時地掌握企業(yè)的經營狀況，了解市場需求，制定正確的經營方案。 本文提出了一種新的數據分析方法進行數據挖掘，其結合了粗糙集理論和概率統(tǒng)計學中的多元線性回歸模型，在對其進行一定的改進后同充分發(fā)揮兩者的優(yōu)點時。運用該方法在對大量銀行業(yè)務記錄

2、進行分析，不僅從中找出業(yè)務規(guī)律，并通過影響算了對其進行二次加工，從中得出直觀的參數函數，進而獲得分析信息和決策依據。 改進后的算法在進行數據挖掘的環(huán)節(jié)中，加入頻度屬性這個參數，建立帶有頻度屬性的決策表。頻度屬性F記錄的是對象x在知識庫中出現的次數，取值范圍為正整數，它既不屬于條件屬性集，也不屬于決策屬性集。對特征集集合進行多步遞推運算，排除其中的小特征集，并提取符合條件的大特征集[Xk]，將規(guī)則[Xk]→Y[Sup][Con]添

3、加到規(guī)則集合中；同時對符合支持度的候選特征集進行重新組合，生成更多元的特征集，從而生成反映決策偏好信息的決策規(guī)則。 新的算法對生成的帶頻度屬性的決策規(guī)則進行約簡處理，得出最簡決策規(guī)則。然后再將這些規(guī)則作為樣本進行多元線性回歸分析，并通過影響算子對其進行再次加工，建立相應的多元線性回歸模型。然后根據樣本及回歸模型找到局部最優(yōu)回歸子集，并由此建立新的多元線性回歸模型，最后采用最小二乘法對新的回歸模型中的待估回歸系數進行估計，求得待估