基于比例标签学习的商业银行重要基金客户识别研究
现实中,由于隐私保护的限制,使得对重要客户的识别十分困难.具体地,很难获取商业银行重要基金客户的具体标签信息,这给建立相关的预测模型带来了极大的挑战.然而,通过特定的客户群估计重要基金客户所占比例是可行的.因此,提出了一种基于比例标签学习的商业银行重要基金客户挖掘新方法.方法的特点在于仅仅使用样本标签比例信息(label proportions information)去构建分类模型,进而有效地识别商业银行中的重要基金客户.同时,大量的实验结果表明了该方法的有效性,这对于有效解决隐私保护下的重要基金客户识别问题提供了一种新途径,具有明显的现实意义及实践价值.
比例标签学习、模式识别、机器学习、重要客户识别
47
F6 ;TP3
国家自然科学基金项目71331005,71110107026,91546201
2018-01-03(万方平台首次上网日期,不代表论文的发表时间)
共12页
291-302