/2

基于K-Means聚类信用卡高风险客户识别模型模型体验

模型简介 技术文档 购买咨询
金融 0 1883 0 ¥399

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

您尚未登录,请登录后购买! 【马上登录

评论已有 0

模型资源列表

基于K-Means聚类信用卡高风险客户识别模型

相关模型推荐

联系我们

电话:(020)22205718

热线:40068-40020

地址:广州黄埔区开泰大道36号

邮编:510000

电邮:services@tipdm.com