邻域粗糙集融合网格搜索组合分类器的理财决策知识获取研究

摘要：

[目的]为提高金融机构理财决策知识获取的效率和有效性,提出邻域粗糙集融合网格搜索组合分类器的理财决策知识获取模型.[方法]建立理财决策知识获取系统框架,采用邻域粗糙集方法对决策系统进行知识约简,采用SMOTE过采样方法消除数据的不平衡性,采用网格搜索方法搜索组合分类器的最优参数.通过模型的训练和测试,对约简组合进行评估和优选,选出最佳约简;最后,通过约简获取决策系统的规则知识,存入组织知识库,完成知识获取.[结果]采用4 521条真实理财数据进行实证分析,测试集购买类样本准确率(Sensitivity)达到83.55％,未购买类样本准确率(Specificity)达到80.74％,AUC值达到0.8214.[局限]未针对保险、消费贷款等其他类型的营销数据进行验证.[结论]邻域粗糙集融合网格搜索组合分类器的分类模型能够有效提高理财决策系统的整体分类能力,识别和获取关键客户知识,提高金融机构理财产品决策的效益和效率.

关键词：知识获取、邻域粗糙集、组合分类器、网格搜索

所属期刊栏目：3

分类号：C934(管理学)

资助基金：国家自然科学基金项目“面向全生命周期的医疗质量安全管理与资源优化配置”项目71432007的研究成果之一

在线出版日期：2019-04-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：85-94