基于不平衡數(shù)據(jù)的網(wǎng)貸行業(yè)用戶首投預(yù)測.pdf

1、網(wǎng)絡(luò)借貸行業(yè)是近幾年互聯(lián)網(wǎng)金融行業(yè)里面重要而典型的一個分支。作為一個新興的行業(yè)，網(wǎng)絡(luò)借貸行業(yè)的客戶購買行為有著不同于傳統(tǒng)電商、電信行業(yè)的獨(dú)特的特點(diǎn)。這就使得我們過去利用數(shù)據(jù)挖掘技術(shù)對傳統(tǒng)電商和電信行業(yè)的客戶關(guān)系管理的研究不太完全適用于新興的網(wǎng)絡(luò)借貸行業(yè)，由此便需要我們專門針對網(wǎng)絡(luò)借貸行業(yè)的客戶關(guān)系管理展開研究和應(yīng)用。網(wǎng)絡(luò)借貸行業(yè)具有流量轉(zhuǎn)化率低，客單價高，購買具有周期性等特點(diǎn)，因此基于網(wǎng)絡(luò)借貸行業(yè)的客戶的數(shù)據(jù)分布具有典型的不平衡性。常用

2、的數(shù)據(jù)挖掘算法大多是針對平衡數(shù)據(jù)集進(jìn)行模型訓(xùn)練或是模式分析，因此在平衡數(shù)據(jù)集上表現(xiàn)不錯的數(shù)據(jù)挖掘算法，一旦應(yīng)用至非平衡的數(shù)據(jù)集上性能表現(xiàn)便會急劇下降。本文針對網(wǎng)絡(luò)借貸行業(yè)的客戶關(guān)系管理中的一個分支，新客戶的獲取，即：用戶首次投資預(yù)測進(jìn)行了分析、研究和實(shí)現(xiàn)。
　　針對最終需要進(jìn)行數(shù)據(jù)挖掘的網(wǎng)貸行業(yè)用戶數(shù)據(jù)集數(shù)據(jù)分布不均衡的問題，本文首先簡要闡述了什么是不平衡問題，以及相比于平衡問題，不平衡問題有哪些特有的特點(diǎn)和挑戰(zhàn)，并針對這些挑戰(zhàn)和

3、特點(diǎn)，本文介紹了幾種常用的解決方案。
　　其次本文介紹了一種性能優(yōu)良的分類器算法，隨機(jī)森林算法。并且為了使得隨機(jī)森林算法在不平衡數(shù)據(jù)集上表現(xiàn)出更加優(yōu)異的性能，本文介紹了兩種基于數(shù)據(jù)不均衡問題改進(jìn)的隨機(jī)森林算法：平衡化的隨機(jī)森林和代價敏感的隨機(jī)森林。
　　最后針對本文的研究重點(diǎn)，網(wǎng)貸行業(yè)的用戶的首投預(yù)測問題，本文首先對該問題進(jìn)行了詳細(xì)的分析，然后設(shè)計(jì)了一個完整的實(shí)驗(yàn)過程，并介紹了實(shí)驗(yàn)過程中的數(shù)據(jù)預(yù)處理方法，特征抽取和模型訓(xùn)練等