资讯

历史

科技

环境与自然

成长

游戏

财经

文学与艺术

美食

健康

家居

文化

情感

汽车

三农

军事

旅行

运动

教育

生活

星座命理

银行客户贷款行为数据挖掘与分析

创作时间:

作者:

@小白创作中心

银行客户贷款行为数据挖掘与分析

引用

CSDN

https://blog.csdn.net/qq_57417926/article/details/143137874

在新时代下，消费者的需求结构、内容与方式发生巨大改变，企业要想获取更多竞争优势，需要借助大数据技术持续创新。本文分析了传统商业银行面临的挑战，并基于knn、逻辑回归、人工神经网络三种算法，对银行客户的贷款需求进行分析。最后，使用KMeans聚类算法进行客群分析，绘制出雷达图、t-SNE散点图、柱状图，多方面展现客户贷款行为。

前言

1、研究背景

银行主要业务包括：资产业务、负债业务、中间业务。其中资产业务主要是指贷款业务，并且它也是银行目前主要的收入来源。同时，随着互联网金融的兴起，一些客户向线上交易方式转移，国有银行的垄断地位开始动摇，其原因主要是这些互联网金融机构利用大数据、云计算、区块链、人工智能、物联网等技术，将其应用在很多应用场景中，包括智能投研、智能投顾、智能客服、智能营销、智能风控、银行云等，这些技术的作用不只是扩大客户的融资需求，还可以用于风险控制、项目评估等方面，达到利益与风险相均衡的状态。为扭转这一局面，传统银行业开始转型升级，与互联网领域融合，优化盈利模式。

2、影响客户贷款需求的因素

⑴客户基本信息

分析贷款客户的年龄、婚姻状况、教育水平、职业等特征，针对这些客户的特征进行分类，对每一类客户群体做出不同的营销方案。

如图1-1、1-2所示，从年龄上分析，进入银行办理业务的客户年龄大多集中在25-65岁之间，而具有贷款需求的客户的年龄分布与之相一致，同时，贷款客户占银行客户总人数的16.03%，说明贷款业务有很大的市场潜力，可以通过一些措施来激发客户的贷款需求。

图1-1 银行客户的年龄分布图

图1-2 贷款百分比饼图

如图1-3所示，从职业上分析，银行客户的职业大多集中在蓝领、银行人员、服务业从事人员、技术人员，而职业为蓝领的客户贷款可能性最大。

图1-3 银行客户的职业分布图

如图1-4所示，从受教育水平上分析，大部分银行客户的受教育水平处在中等、高等教育水平，有一小部分客户的受教育水平未知。

图1-4 客户受教育水平的分布图

如图1-5所示，从婚姻状况上分析，各种情况的人数占比都差不多，其中，已婚和离婚的客户人数较多。

图1-5 银行贷款客户的婚姻状况分布

⑵业务情况

与业务情况相关的因素，主要包括与客户的交流方式、交流次数、客户的账户平均余额，通过对这一方面的分析，可以制定出贷款方案，以更大程度的满足客户需求，同时，通过对客户交易情况的了解，将信息推送限制在一定范围内，给客户带来银行交易的愉悦感，增强与客户之间的信任。

如图1-6、1-7、1-8所示，从账户平均余额上分析，客户的贷款金额较小，大多集中在0-3000元之间，高端客户资源稀少。从与客户办理业务时的交流方式上分析，大部分客户使用手机进行信息咨询。从交流次数上分析，与客户的交流次数大多集中在1-5次之间。

图1-6 银行客户的账户平均余额分布

图1-7 客户交流方式分布

图1-8 交流次数分布图

数据预处理

1、筛选有效特征

如图1-9、1-10所示，由于原始数据的列数过多，考虑到在构建模型阶段可能会浪费很多的时间，因此，我们用逻辑回归分析方法对数据进行筛选，删除不必要的列，最后筛选出job、material、education、balance、housing、contact、previous、loan这几列，经过评估，模型的平均正确率为0.8438。

图1-9 原始数据

图1-10 筛选后数据

2、连续型数据的处理

如图1-10所示，使用info()方法来查看每一列的数据类型，其中，balance、previous这两列属于连续型数据。这类数据的处理方法是通过绘制箱线图，查看是否存在异常值，如果存在，需要利用describe()查看该列的均值，用均值替换掉异常值。

3、离散型数据的处理

构造如下函数来处理离散型数据，首先要查看所在列中的值的种类数，并创建一个连续的数组，然后将该列的所有数据用数据进行替换，并将数据类型转成int64。

4、处理后的数据

数据预测方法

对银行客户的贷款需求做分析，需要用到分类算法，我们将使用knn、逻辑回归分析和人工神经网络三种算法来构建模型，并对模型进行评估，计算每种算法的准确率。

1、knn

（1）实现原理

Knn是一种基于已有样本进行推理的算法，通过对已有训练样本集和新进的未知样本做比较，找到与未知样本最相似的k个样本。最后通过对这k个样本的类标号投票得出该测试样本的类别。

（2）步骤

对离散数据做one-hot编码，将编码后的数据与连续型数据进行拼接，并对该数据统一做归一化处理，保证所有列对预测结果的影响程度都相同。
编写函数，根据测试集准确率与训练集准确率的比值，选定n-neighbors参数的值。
预测并得出测试集准确率与训练集准确率。通过计算得出，测试集准确率为0.8368，训练集准确率为0.8482。

（3）评估

如图2-1、2-2所示，通过构建混淆矩阵的方式对模型进行评估，其中，对无贷款需求的客户判定的准确率为85%，对有贷款需求的客户判定的准确率为24%，总体准确率为84%，证明预测结果有效。

图2-1 KNN混淆矩阵

图2-2 KNN评估报告

图2-3 KNN预测结果

（4）预测

贷款客户主要集中在蓝领、管理者、技术人员中，且客户的教育水平普遍都很高。

图2-4 KNN预测结果

2、逻辑回归

（1）实现原理

逻辑回归是根据输入值域对记录进行分类的统计方法。它是将输入值域与输出字段每一类别的概率联系起来。一旦生成模型，便可用于预测。对于每一记录，计算其从属于每种可能输出类的概率，概率最大的类即为预测结果。

（2）步骤

划分测试集与训练集。
使用RandomizedLogisticRegression筛选特征
进行预测并计算准确率。通过计算得出，测试集准确率为0.8403，训练集准确率为0.8461。

（3）评估

如图2-3、2-4所示，通过构建混淆矩阵的方式对模型进行评估，其中，对无贷款需求的客户判定的准确率为84%，召回率100%；对有贷款需求的客户判定的准确率为0%，总体准确率为84%。

图2-3 逻辑回归混淆矩阵

图2-4 逻辑回归评估报告

3、人工神经网络

（1）实现原理

在人工神经网络算法中，对损失函数用梯度下降法进行迭代优化求极小值的过程使用的是BP算法。BP算法由信号的正向传播和误差的反向传播构成。首先，将信号从输入层传递至输出层。若实际输出与期望输出不一致，则进入误差反向传播阶段，将误差反向传递，获得各层的误差信号，对误差做调整。通过反复执行信号的正向传播和误差的反向传播操作，直至输出误差达到期望值，或进行到预定的学习次数为止。