基于机器学习的银行对公客户流失预测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113240518A(43)申请公布日2021.08.10(21)申请号202110782247.3(22)申请日2021.07.12(71)申请人广州思迈特软件有限公司地址510630广东省广州市天河区高普路136号第三层05区A、B单元(72)发明人阮惠华张成刚黄浩(74)专利代理机构成都四合天行知识产权代理有限公司51274代理人郭受刚(51)Int.Cl.G06Q40/02(2012.01)G06K9/62(2006.01)G06F16/2458(2019.01)权利要求书3页说明书13页附图2页(54)发明名称基于机器学习的银行对公客户流失预测方法(57)摘要本发明公开了一种基于机器学习的银行对公客户流失预测方法，包括：在期限内收集银行的对公客户行为的原始数据，构建PostgreSQL源数据库；用所述PostgreSQL源数据库读取若干个报表的报表数据；将报表数据整合成为整体，并对报表数据中的所有特征进行全表统计；对统计得到的基本属性数据进行编码，对冗余和缺失的特征值进行编辑处理，得到纠正后的数据集；建立随机森林模型，并将分类后的数据代入随机森林模型进行训练；计算随机森林模型中特征的重要性，并根据计算结果找出的重要性选择特征；根据特征得到模型预测结果并输出可视化结果；通过该模型实现银行客户精准分类，优化企业营销资源，保障客户流失率，从而实现企业利润最大化。CN113240518ACN113240518A权利要求书1/3页1.基于机器学习的银行对公客户流失预测方法，其特征在于，包括以下步骤：S1：设定期限，并在设定期限内收集银行对公客户行为的原始数据，采用所述原始数据构建PostgreSQL源数据库；S2：读取所述PostgreSQL源数据库中各报表的报表数据；S3：将读取到的报表数据整合成为整体，提取报表数据中的所有特征作为第一特征，并对报表数据中的第一特征进行全表统计；S4：对统计得到的基本属性数据进行编码，对冗余和缺失的特征值进行编辑处理，得到纠正后的数据集；S5：计算随机森林模型中特征的重要性，并根据计算结果找出重要性选择特征，在PostgreSQL源数据库中聚合构造完成特征变换后的第二特征；S6：在纠正后的数据集中提取出实际已经流失客户数据集，并根据实际已经流失客户数据集通过投票打分对新的数据进行分类；S7：建立随机森林模型，将分类后的数据代入随机森林模型进行训练；S8：通过分析随机森林模型的偏差与方差选取随机森林模型，并通过格子搜索和交叉验证选取最优参数；S9：得到模型预测结果并输出可视化结果。2.根据权利要求1所述的基于机器学习的银行对公客户流失预测方法，其特征在于，所述步骤S4包括以下步骤：S4.1：以统计得到的基本属性数据为元数据，将元数据按照字符串类型编辑；S4.2：采用独热编码对不同类别的元数据进行标签编码，并对类别进行二进制化处理；S4.3：发现并纠正元数据中的可识别错误得到建模数据。3.根据权利要求2所述的基于机器学习的银行对公客户流失预测方法，其特征在于，所述步骤S4.3包括以下步骤：S4.3.1：获取元数据中同一第一特征的两种表现形式，删除其一；S4.3.2：对元数据中的缺失值进行填充；S4.3.3：对填充后的数据进行单变量异常值检测，剔除单变量异常值得到建模数据。4.根据权利要求3所述的基于机器学习的银行对公客户流失预测方法，其特征在于，所述步骤S4.3.3中的单变量异常值检测过程包括以下步骤：A1：将变量按照其值从小到大进行顺序排列x1，x2.....xn；A2：计算平均值x拔和标准差S：计算偏离值，并确定一个可疑值，i为可疑值的序列号；A3：计算统计量gi，即残差与标准差的比值：将gi与格拉布斯表给出的临界值GP(n)比较，如果计算的gi值大于表中的临界值GP(n)，则能判断该测量数据是异常值，可以剔除。2CN113240518A权利要求书2/3页5.根据权利要求1所述的基于机器学习的银行对公客户流失预测方法，其特征在于，在所述步骤S5中特征重要性计算包括以下步骤：S5.1：对于随机森林中的每一颗决策树，使用相应的OOB，即袋外数据，计算它的袋外数据误差，记为errOOB1；S5.2：随机地对袋外数据OOB所有样本的特征X加入噪声干扰，再次计算它的袋外数据误差，记为errOOB2；S5.3：假设随机森林中有Ntree棵树，那么对于特征X的重要性=；在所述步骤S5中特征选择包括以下步骤：S5.4：通过特征重要性的计算，找到与因变量高度相关的特征变量；选择出数目较少的特征变量并且能够充分的预测因变量的结果。6.根据权利要求1所述的基于机器学习的银行对公客户流失预测方法，其特征在于，所述步骤S5中的重要性选择特征