目录
1.聚类算法的实践——以k-means算法为例的银行客户数据集分析
一 数据挖掘技术在金融领域应用概述
随着金融行业的不断发展,金融领域数字化转型程度愈发加深,计算机科学在金融领域的应用显得更为重要。金融行业属于信息密集型行业,具有信息冗杂度高、信息需求量大的显著特点,每天都会面临着庞大、无序的数据流,这虽然为金融行业带来的繁重的任务量,但如果能够合理加以利用,也会为金融行业在客户分类、风险防范等领域带来巨大的帮助。数据挖掘就是通过计算机、人工智能等技术手段,对数据进行针对性的处理,将信息中的有效数据辨别并提取出来,去除噪声的干扰,从而保障数据的完整性、准确性,促进金融行业良性发展。
数据挖掘技术可以实现对数据的多维分析,如将银行贷款数据根据贷款对象、贷款时间、信用标准、贷款地区等诸多角度进行划分,满足银行或其他金融机构的不同需求。
同时,利用数据挖掘中的特征选择等技术手段,可以对金融行业的风险进行评估和控制。例如对影响贷款偿还风险的诸多因素进行分析和分类,衡量出诸多因素中的重要因素,并剔除相关性较低的因素,有利于信贷发放机构以此制定贷款发放政策,衡量贷款人的信贷风险,做出相应决策,降低信用风险。
此外,对于金融机构而言,最重要的无异于客户群体。通过运用数据挖掘技术,金融机构可以将大量的客户资料和消费情况进行二次利用,通过聚类将其划分为不同的类别,推出针对性的产品和服务,做到“以客户为中心”。同时也可以通过关联分析找到大量数据中隐含的关系网,对不同客户的收入水平、消费习惯、理财情况等进行深入挖掘,找到客户的潜在需求,加强关联性营销,从而提高零售业务收入,降低经营成本。
二 聚类算法介绍
聚类算法是根据在数据中发现的描述对象及其关系的信息,将数据对象分组,使得组内的对象相互之间是相似的(相关的),而不同组中的对象是不同的(不相关的)。组内相似性越大,组间差距越大,说明聚类效果越好。聚类算法是一种无监督学习的算法,主要用于处理无标签的数据。其主要特点是数据的分类结果并没有具体的类别信息,但是可以反映出数据的内在关联、结构联系或潜在的类别规则。
一般而言,金融行业会对其客户有一个基本的“标签”,这个标签可以使金融机构对用户有一个快速、相对准确的了解,但长远看来,简单的标签并不能反应出一类群体的个体特性,更容易让金融机构产生先入为主的观念,从而在服务客户的过程中起到反作用。因此,聚类算法作为无监督学习的算法,可以帮助金融机构发现数据之间的内在关联,作为对监督学习算法的一种补充,帮助金融机构更好的服务客户。
聚类算法包括数据准备、特征选择、特征提取、聚类、结果评估五步,不同的聚类算法有不同的应用背景,有的适合于大数据集,可以发现任意形状的聚簇;有的算法思想简单,适用于小数据集。我们应该根据所拥有的数据特点和需要达成的目的进行算法选择。
根据查阅资料和应用实践,对常见的几种聚类算法从可伸缩性、适合的数据类型、异常数据的抗干扰度和算法效率4个方面进行综合性能比较如下:
表 2-1常见聚类算法综合性能比较
算法名称 |
算法类型 |
可伸缩性 |
适合的数据类型 |
抗干扰性 |
算法效率 |
ROCK |
层次聚类 |
很高 |
混合型 |
很高 |
一般 |