金融数据挖掘及商业数据挖掘

金融数据挖掘和商业数据挖掘建構信用卡評分模型之商業智慧流程Evaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

ProfiCopyright

2鄭004宇-2庭011

Aspose

Pty

Ltd.謝邦昌 程兆慶台灣政治大學資料採礦中心*1報告大綱研究目的分析工具•Q&A5/22/20202Evaluation

only.ed

wit•h

A建s模po流se程.Slides

for

.NET

3.5

Client

Profi結C論op與yr建ig議ht

2004-2011

Aspose

Pty

Ltd.研究目的5/22/20203

有效地篩選出償債能力不佳的個人信用卡客戶，依此開發出一套信用風險系統，以幫助銀行做出正確的E核va卡lu決at策io。n

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

Profi這個C系op統yr的ig開ht發2、00維4-護20、11與As更po新s的e

P成ty本L預td期.將比銀行現有系統的成本低。分析工具5/22/20204Microsoft

SQL

Sever

2005價格自動化以及開發延伸程度Evaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

Profi目前SPSS跟微軟之間是採取合作的態度Copyright

2004-2011

Aspose

Pty

Ltd.建模流程：CRISP-DMDATA

MINING執行階段商業理解

資料理解建模評估DATAMINING處理流程Evaluation

only.5/22/2020圖表來源：楊自強企業如何應用商業智慧來提昇執行力與競爭力5ed

with

Aspose.Slides

for

.NET

3.資5料C準l備ient

ProfiCopyright

2資0料04源-2011

Aspose

Pty

Ltd.發佈微軟商業智慧解決方案SSIS分析服務報表服務分析服務

(Data

Mining)資料來源檢視表(DataSourceView)整合性服務(SSIS)商業理解

資料理解資料準備建模評估資料源Evaluation

only.5/22/2020圖表來源：楊自強企業如何應用商業智慧來提昇執行力與競爭力6ed

with

Aspose.Slides

for

.NET

3.5

Client

ProfiCopyright

2資0料04源-2011

Aspose

Pty

Ltd.發佈資料採礦無處不在efi商業問題Microsoft演算法預測類別變數，例如行銷回應、顧客流失、違約預測(巴塞爾資本協定IRB)…Evaluation

o決策樹貝氏機率分類群集n類l神y經.網路羅吉斯迴歸d預w測i連t續h變數As，p例o如s預e測.銷S售l量i、d預e測s客f戶o價r值.變N動E、T預測金融商品C價o格p波y動r..i.ght

2004-2011

As3迴.歸5樹Client

Pro時p間os序e列Pty

Ltd.類神經網路預測序列，例如找出網站使用者的點選路徑模式、客戶繳款行為模式、商品購物順序時序群集找出產品交叉銷售關聯性，又稱為購物籃分析關聯規則決策樹找出潛在相似性，例如市場區隔、偵測晶圓瑕疵分配、文件分類、保險浮濫理賠偵測、偽卡偵測5/22/2020群集時序群集7商業理解(Business

Understanding)5/22/20208釐清商業問題目前呆帳率Ev是al多ua少t？ion

only.ed

with

A•sp信os用e.卡S審li核de流s程fo？r

.NET

3.5

Client

Profi•信C用op卡yr評ig分ht模20型04=-分20類11模A型spose

Pty

Ltd.資料理解(Data

Understanding)5/22/20209資料來源某銀行200E0v.a1l.u1a~2t0i0o2n.6o.n3l0y的.信用卡資料ed

wit•h

A資s料po內se容.Slides

for

.NET

3.5

Client

Profi•Co申py請ri資g料ht檔2004-2011

Aspose

Pty

Ltd.繳款紀錄檔總共有1220個變數，502,333筆原始資料違約戶定義繳款期間曾經有逾期60天以上未繳之卡戶建模流程圖資料轉換評估建模 評估原始資料誤差抽樣Evaluation

only.5/22/202010ed

with

A選sp擇o20s0e1..4~S2l00i1d.6es

for

.NET

3.5

Client

ProfiCopyright

2004-20訓1練1組Aspo測se試組Pty

Ltd.清除遺漏值、異常值資料準備(Data

Preparation)5/22/202011被查詢總家數、延遲月數比率……與銀行往來的資料申請卡別類型、有沒有使用扣款服務……選擇合理的建模變數基本資料Evaluation

only.ed

with

Asp•ose性.S別l、id教e育s

程fo度r、.職NE業T別3….5…Client

Profi•Co聯py合ri徵g信ht中2心00(4J-C2IC0)1的1

資As料pose

Pty

Ltd.資料準備(Data

Preparation)5/22/202012選擇合理的建模時間時間間隔取Ev為al1u2a個t月io至n

1o8n個ly月.ed

wit•h

A清s除po遺se漏.S值li、de異s

f常or值.NET

3.5

Client

Profi資C料op轉yr換ight

2004-2011

Aspose

Pty

Ltd.連續型轉成離散型：被查詢總家數…合併變項太多之變數：職業別…衍生新的變數edofi類型變數名稱資料類型個人資料教育別類別型(2類)性別旗標型行業別類別型(3類)職稱別類別型(3類)工作年資類別型(5類)緊急聯絡人與正卡關係類別型(4類)與銀行往來紀錄with

Aspose.是否E申v請a結l餘u代at償ion

only旗.標型S扣l款i帳de號s

for

.NET

3.5旗C標l型ient

Pr金融聯合徵信中心Copyri5/22/2020<過去六個月>延遲月數比率ght

2004-2011

Aspo連續型se

Pty

Ltd.<過去六個月>循還月數比率連續型近一年M2次數整數型<最近一個月>近期是否逾期旗標型負債所得比連續型有效卡張數類別型(3類)被查詢總家數類別型(4類)13建模(Modeling)多的少抽(Reduce)：正常戶抽取率0.1•誤差抽樣(Over-Sampling)將稀有事件Ev透al過ua抽t樣io的n

方on式ly將.其比重提高ed

with

Aspose.Slides

for

.NET違3約.戶5抽Cl取i率e1nt

Profi將C資op料yr分ig成ht訓20練04組-2與01測1試As組pose

Pty

Ltd.避免過度學習(Over-fitting)建模方法選擇羅吉斯迴歸、決策樹、類神經網路5/22/202014Data

Mining

Model

EvaluationEvaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

ProfiCopyright

2004-2011

Aspose

Pty

Ltd.*15Data

Mining

Model

Evaluation分類矩陣橫軸為預測結果，縱軸為實際結果增益圖橫軸為名單百分比，縱軸為累積佔全體之百分比收益圖根據成本以及銷售成功利潤，❹計算出累積利潤圖散佈圖針對連續變數，可以利用此功能了解實際值與預測值間之差異性以及預測之趨勢變動情形5/22/2020Evaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

ProfiCopyright

2004-2011

Aspose

Pty

Ltd.16選擇“vTargetMail(dbo)”勾選需要比較之模型Data

Mining

Model

Evaluation說明：在進行模型效益評估前必須先選入資料表，❹在模型中勾選要進行評估比較之模型Evaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

ProfiCopyright

2004-2011

Aspose

Pty

Ltd.5/22/202017Data

Mining

Model

Evaluation分類矩陣藉由分類矩陣進一步比較，判別兩模型的預測能力，由決策樹模型發現，預測正確的資料有7103+5857=12960

；而群集分析模型的正確預測資料為5395+5308=10703

，也可看出決策樹分類結果較群集分析分類結果好5/22/202018Evaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

ProfiCopyright

2004-2011

Aspose

Pty

Ltd.Data

Mining

Model

Evaluation增益圖5/22/202019增益圖：主要展現在整體的百分上所累積的效益狀況Evaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

ProfiCopyright

2004-2011

Aspose

Pty

Ltd.Data

Mining

Model

Evaluation收益圖收益圖：可根據所設定之固定成本、單位成本以及單位營收加以計算，找出最佳獲利點5/22/202020Evaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

ProfiCopyright

2004-2011

Aspose

Pty

Ltd.Data

Mining

Model

Evaluation散佈圖Evaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

ProfiCopyright

2004-2011

Aspose

Pty

Ltd.5/22/2020散佈圖：了解各模型之預測值、預測趨勢以及實際值21評估(Evaluation)增益圖（lift

chart）Evaluation

only.ed

with

Aspose.Slides

for

.NET

3.5

Client

ProfiCopyright

2004-2011

Aspose

Pty

Ltd.5/22/202022評估(Evaluation)分類矩陣(classification

matrix)預測5/22/202023實際 違約戶 正常戶Evaluation

only.ed

with違A約s戶pose.Slides

foar

.NET

3b.5

Client

Profi正常C戶opyright

2004-c2011

Aspdose

Pty

Ltd.衡量指標Precise

=