银行客户分类的数据特征选择方法与实证研究

摘要：

针对银行客户数据维度高、量级大和冗余特征多等问题,提出了一种借鉴多模态融合思想的综合特征筛选方法,通过计算并比较数据集中各特征的综合贡献度来对冗余特征进行筛选.基于真实银行客户数据特点,给出了一种包括类型转换及离散化、缺失值填充和标准化三部分的数据预处理方案,并对真实银行客户数据进行预处理;利用Pearson相关系数、随机森林、量化先验认知以及提出的多模态视角下的综合特征筛选方法对预处理后数据集中的冗余特征进行筛选,并分别提取到14个、8个、15个和11个特征;根据实验研究结果,从定性与定量两个层面对四种特征选择方法的特征选择效果进行充分比较.实验结果表明,提出的一种借鉴多模态融合思想的综合特征筛选方法能够有效弥补不同特征选择方法间的缺陷,降低数据维度,进而提升银行客户分类模型性能.

关键词：客户细分、特征选择、知识挖掘、量化先验认知、多模态

所属期刊栏目：58

分类号：TP391;G353.1(计算技术、计算机技术)

资助基金：陕西省软科学研究计划一般项目;陕西省社科界重大理论与现实问题研究;陕西省教育厅科学研究计划;陕西省软科学项目

在线出版日期：2022-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：302-312