基于K-Means聚类信用卡高风险客户识别模型

一、模型应用

信用卡高速发展的背后是坏账风险的不断增大。据统计，2006年，台湾地区有900多万人拥有信用卡，现金卡，交不起卡债的人已达70多万，造成银行呆账超过1500亿新台币。100名有收入的人之中就有6人是卡奴，人均欠债100多万新台币。给整个台湾地区的银行信用卡业务蒙上了一层阴影。

为了推进信用卡业务良性发展，减少坏账风险，台湾各大银行都进行了信用卡客户风险识别相关工作，建立了相应的客户风险识别模型。

二、实现流程

信用卡高风险客户识别数据挖掘主要包括以下步骤：

1. 从银行获取信用卡相关信息；

2. 数据探索:探索整体数据分布和探索不同变量之间的关系；

3. 数据预处理工作:包括数据清洗，属性规约、数据变换；

4. 构建信用卡高风险客户识别模型，将禁入类客户，高风险客户，一般客户分开，并对每种客户的特征进行分析。

5. 根据得出的结果，查看该银行目前信用卡业务整体风险状况。

三、核心技术

• K-Means聚类

四、你可以将本模型用于

• 教与学：可落地操作、学生参与度高、交互性强；

• 科研：将K-Means聚类算法与具体行业应用结合，为科学研究提供素材。

• 生产：将模型改进后直接用于实际生产环境：信用卡高风险客户识别。

五、运行环境

windows／linux／mac OS，64位操作系统，内存：4GB，R3.4.4

六、资源展示