金融数据挖掘和商业数据挖掘

1、2020/7/7，1、报告大纲、研究目的分析工具建模过程的结论和建议QA、2020/7/7，2、通过有效筛选研究目的、偿还能力差的个人信用卡客户，开发了帮助银行做出正确的信用卡决策的信用风险系统。 该系统的开发、维护和更新成本预计低于银行现有系统的成本。2020/7/7，3，分析工具，Microsoft SQL Sever 2005的价格自动化和开发增长目前在SPSS和微软之间采取合作态度，2020/7/7，图表来源：杨自强企业如何响应业务智能建模流程： CRISP-DM，数据明执行阶段，业务理解，数据准备，建模，评价，发表，数据源，数据明ng处理流程，2020/7/7，图表源：杨自强企业如何

2、工作微软业务智慧解决方案，SSIS分析服务报告服务， 分析服务、数据源视图、集成服务、业务理解、数据理解、数据准备、建模、评估、发布、数据源、数据源、2020/7/7、 信用卡评价模型=分类模型，2020/7/7， 8、8、资料理解(Data Understanding )，有资料源的银行2000.1.12002.6.30的信用卡资料数据内容申请数据文件支付记录文件共计1220变量，502 333件原始资料违约者支付期限超过60天的未缴纳卡九， 9、9、建模流程图、2001.42001.6、原始资料、缺失值、异常值、数据转换、误差采样、训练组、建模、评估、2020/7/7、10资料准备、合理选

3、择职业联合招聘中心(JCIC )资料查询的总数、延迟月数比率和银行交易的资料申请卡种类、有无使用扣除服务、2020/7/7、11、资料准备(Data Preparation )合理的建模时间间隔，从12个月到18个月的缺席将异常值数据转换连续型变为离散型：被调查家庭数量变多的变量：按职业导出新变量，2020/7/7、12、2020/7/7、13、建模误差采样(Over-Sampling ) 以稀有事件采样的方法提高比重少的提取(Reduce ) :将违反正常家庭提取率0.1合同的家庭提取率1资料分为训练组和测试组，避免过度学习的建模方法是选择罗吉斯回归、决策树、类神经网络，data minin

4、g model evalu 2020/7/7，15，数据明天模型评估，分类矩阵的横轴是预测结果，纵轴是实际结果增益图表的横轴是列表的百分比，纵轴是累积占整体的百分比收益图表是基于成本和销售成功利润的累积利润图散布2020/7/7，16，数据明模型评估在进行模型的利益评价之前，必须选择数据表，在模型中进行评价比较，检查模型，2020/7/7，17数据明模型7/7，18，数据明亮模型升级，增益图，增益图：主要表示在整体百分比中积累的利润状况，2020/7/7，19，数据明亮模型升级收益图，收益图： 2020/7/7，20，数据小模型评估，散点图，2020/7/7，21，评估，升降图，2020/7/7，22评估，分类矩阵测量指标2020/7/7，23，分发，违反预测概率值单个查询2020/7/7，24，结论和建议，本研究用罗吉斯回归模