龙源期刊网 http://www.qikan.com.cn 基于决策树方法的银行客户关系管理的研究和应用 作者：李明辉 来源：《软件》2012年第07期 摘要：数据挖掘中的决策树算法在银行业中有很重要的价值。决策树技术应用于银行业中，可以通过对特定的客户背景信息的分析，预测该客户所属的客户类别，从而采取相应的经营策略，这样既可以提高银行服务的服务水平，开发客户资源，避免客户流失，又能够节约资源，利用最小的投入，获得较大的收益。在银行贷款业务中，判断贷款对象是否有风险，贷款方案是否可行，将客户按照银行的实际需求进行分类，这些问题通过决策树算法都可以解决。 关键词：决策树算法；客服背景信息；数据挖掘 中图分类号：TP315 文献标识码：A DOI：10.3969/j.issn.1003-6970.2012.07.026 引言 决策树算法已经被成功的应用于很多分类问题，并尝试采用其中的ID3算法来完成银行客户数据的贷款风险预测。根据模拟的银行客户基本资料的数据，通过建立决策树模型，对客户群体的贷款风险进行预测，找出分类规则。具体实现过程中，详细描述了实验数据预处理的方法和步骤、数据库模块、决策树生成模块、以及验证和预测模块。其中，针对ID3算法要求属性离散化这一特点，将连续属性进行区间划分，并对数据进行预处理，使数据能够满足算法的要求。针对在算法实现过程中所遇到的识别性问题提出了一种属性标识方法。在此基础上，结合商业银行的特征，建立了一个银行贷款风险预测模型，对模型进行验证，并从该模型产生出相应的规则。该模型可应用于银行客户关系管理中客户贷款风险的控制。最后利用规则得出的结论结合客户的实际信息来实现对客户贷款风险的预测。 1.决策树 决策树技术由于其生成的规则容易理解和可解释性等特点，被广泛地应用于数据挖掘领域。决策树由三个基本部分组成：节点、分支和树叶节点。决策树中的节点是一个测试条件，这个测试条件将决策树分为多个分支，每个分支代表了该误1试条件的每个可能答案，位于决策树最顶端的节点为根节点。每个分支会连接另一个节点，或者连接决策树的末端（即树叶节点），决策树建立起来后，需要预测的数据对象从根节点出发，根据所经过的节点的测试条件选择要经过的分支，并最终到达树叶节点。树叶节点的值或类别也就是要赋予该数据对象的值或类别。 2.ID3算法 本文来源：https://www.wddqw.com/doc/411ffaf64a35eefdc8d376eeaeaad1f3479311f0.html