數(shù)據(jù)挖掘在銀行業(yè)務(wù)中的應(yīng)用.pdf

1、本論文主要圍繞銀行增值業(yè)務(wù)的課題進行設(shè)計和實現(xiàn)。通過對增值業(yè)務(wù)的信息進行分析，圍繞客戶、產(chǎn)品和競爭對手三個主題，我們構(gòu)建銀行增值業(yè)務(wù)數(shù)據(jù)倉庫，側(cè)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(jīng)營狀況，了解市場需求，制定正確的經(jīng)營方案。 本文提出了一種新的數(shù)據(jù)分析方法進行數(shù)據(jù)挖掘，其結(jié)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(wù)記錄

2、進行分析，不僅從中找出業(yè)務(wù)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(shù)函數(shù)，進而獲得分析信息和決策依據(jù)。 改進后的算法在進行數(shù)據(jù)挖掘的環(huán)節(jié)中，加入頻度屬性這個參數(shù)，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(xiàn)的次數(shù)，取值范圍為正整數(shù)，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(yīng)的多元線性回歸模型。然后根據(jù)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(shù)進行估計，求得待估