技术干货｜使用机器学习进行大数据信用评分实战演练

利用数据进行客户分类是当前金融信用风险、电商精准营销等的主流方法。那么，如何实现轻松实现客户分类呢？下面就为您介绍RapidMiner是如何快速实现客户分类的数据处理和可视化的。

例如，我们手上有某银行8000多名客户的贷款还款记录，现在要对这些客户的静态属性做一个整体评估。按照一般的数据分析流程，需要完成以下工作：数据提取、转化、载入，数据建模、数据挖掘，模型检验、评估，数据可视化，结果发布。如下图所示：

如果使用python或R语言来完成以上工作，对于一个经验丰富的码农来说可能需要一周的时间；而对于一个新手来说，那简直是一项不可能完成的任务！使用RapidMiner将轻松完成以上工作，调用几个算子，设置几个参数，整个项目半小时内即可完成。请看下图是我们使用RapidMiner的数据分析过程：

使用该流程处理8千多客户数据的计算时间仅需3秒钟，便可轻松得到预期的结果。下图是对当前客户数据聚类的结果，可以区分每个簇里面细分的特征可视化，能一目了然的知道为什么会把客户这么做区分，便于我们做用户分类。

下图是使用该流程轻松绘制的信用风险与各参数的相关关系。横轴代表客户所处的年龄段，纵轴代表客户的支出得分，颜色代表对客户簇的分类，簇也反映了当前的数量。该图所反映的信息既全面又简单明了。

看到这里，你是否心动了呢？赶快使用RapidMiner来提高你的工作效率吧！

---

关于 Altair RapidMiner

Altair RapidMiner 数据分析与人工智能平台，是 Altair 澳汰尔公司旗下仿真、HPC 和数据分析三块主营业务中的解决方案，它在数据分析领域最早实现将自动化数据科学、文本分析、自动特征工程和深度学习等多种功能同时集成的一站式数据分析平台，帮助用户解决从数据清洗、准备、数据科学建模到模型管理和部署，同时又支持数据和流数据的实时分析可视化的数据分析平台。

欲了解更多信息，欢迎关注公众号：Altair RapidMiner