基于數(shù)據(jù)挖掘技術(shù)的微額借款用戶的信用預(yù)測.pdf

1、隨著計算機技術(shù)的發(fā)展，數(shù)字化時代已經(jīng)到來。以互聯(lián)網(wǎng)、大數(shù)據(jù)為代表的這場技術(shù)革命正在引領(lǐng)人們加速進(jìn)入繼農(nóng)業(yè)時代、工業(yè)時代之后的又一個新的發(fā)展階段—數(shù)據(jù)時代。世界上百分之九十以上的數(shù)據(jù)都是近兩年產(chǎn)生的，然而龐大數(shù)據(jù)的背后是如何才能有效利用它們的問題。數(shù)據(jù)挖掘就是為滿足人們對于數(shù)據(jù)中蘊含信息的充分理解和有效運用而發(fā)展起來的一門新興技術(shù)。
　　近幾年，伴隨著互聯(lián)網(wǎng)發(fā)展起來的還有線上金融服務(wù)等新型業(yè)務(wù)，其中小額貸款以其程序簡單、資金靈活、貸

2、款范圍廣等優(yōu)勢迅速走紅，相應(yīng)的也給貸款機構(gòu)帶來了諸如:貸不貸，貸多少的問題。要處理好這些問題就要盡可能全面的了解貸款客戶的各項特征，把握客戶動態(tài)，及時擬定有效的業(yè)務(wù)方案。貸款機構(gòu)在過去的業(yè)務(wù)實施過程中積累了大量數(shù)據(jù)，如何利用好這些數(shù)據(jù)成為解決問題的關(guān)鍵。這里就可以運用數(shù)據(jù)分析技術(shù)，對數(shù)據(jù)進(jìn)行分析，及時把握市場動向，優(yōu)化業(yè)務(wù)模式。
　　本文就是基于微額速達(dá)金融服務(wù)公司提供的真實有效數(shù)據(jù)，詳細(xì)闡述了數(shù)據(jù)挖掘在微額借款用戶數(shù)據(jù)集中的應(yīng)用

3、。具體實施過程是:在R軟件中，首先利用sampleO將數(shù)據(jù)集分為訓(xùn)練集和測試集，然后在訓(xùn)練集上進(jìn)行模型訓(xùn)練，在測試集上測試模型擬合效果。因為測試集數(shù)據(jù)結(jié)果是已知的，所以可以根據(jù)預(yù)測值與真實值的比例評價模型好壞。我們這里主要運用了邏輯斯諦回歸、K最鄰近、決策樹和lasso回歸進(jìn)行建模分析，用它們得到的測試錯誤率依次為:13.8％、10.98％、18.9％、10.5％。期間我們還對logistic回歸進(jìn)行了變量選擇，選擇后的測試錯誤率為10

4、.8％，比全模型有所提升。對比這幾個模型的測試錯誤率，lasso回歸的效果要稍微好一點。
　　文章不僅對數(shù)據(jù)挖掘和信用評估的基本理論知識作了介紹，也對信用評估的研究現(xiàn)狀做了深刻的分析說明。大數(shù)據(jù)時代的來臨，給企業(yè)甚至是政府都帶來了很好的發(fā)展的契機，然而對數(shù)據(jù)的有效利用卻成為難題。本篇文章就以微額借款用戶數(shù)據(jù)的人品分析為例，向讀者展示了如何運用數(shù)據(jù)挖掘技術(shù)對真實的企業(yè)數(shù)據(jù)進(jìn)行信息發(fā)現(xiàn)的過程。文章還對用到的挖掘技術(shù)的原理進(jìn)行了詳細(xì)介紹