[发明专利]一种通过BP神经网络预测银行客户流失的方法在审
申请号: | 201811202724.9 | 申请日: | 2018-10-16 |
公开(公告)号: | CN109285038A | 公开(公告)日: | 2019-01-29 |
发明(设计)人: | 王良;魏武 | 申请(专利权)人: | 浪潮软件集团有限公司 |
主分类号: | G06Q30/02 | 分类号: | G06Q30/02;G06Q40/02;G06N3/08 |
代理公司: | 济南信达专利事务所有限公司 37100 | 代理人: | 阚恭勇 |
地址: | 250100 山东*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 银行客户 客户流失 预警 参数设置 客户关系 客户经理 事前预警 特征点数 营销应用 预测 构建 客户 抽取 智能 加工 银行 维护 | ||
1.一种通过BP神经网络预测银行客户流失的方法,其特征在于,
主要包含以下步骤:
A、抽取并加工银行客户流失相关特征点数据;
B、构建客户流失预警BP神经网络算法;
C、客户流失预警BP神经网络算法参数设置。
2.根据权利要求1所述的方法,其特征在于,
加工预测流程如下:
首先,分析采集用户的特征点数据;
其次,按业务逻辑内容抽取加工特征点数据;
再次,利用BP神经网络算法对基本数据进行训练,生成BP算法的内部模型;
再次,训练模型度达到64%的准确度后,采用预测数据对未来的客户流失进行预测;
最后,通过算法实践对客户流失进行客观验证。
3.根据权利要求2所述的方法,其特征在于,
进一步包括,
步骤A中所述数据项为银行客户流失相关特征点,特征包括客户基本信息数据项和相关客户指标数据项;其中,
基本信息数据项包括:BCIF开卡等级(0-3)、性别(0,1)、教育程度(0-99)、年收入等级(1-10)、家庭月收入级别(1-8);
指标数据项包括:活期存款余额、结构性存款余额、非结构性存款余额、贷款余额、不良贷款余额、活期存款发生额、结构性存款发生额、非结构性存款发生额、贷款发生额、不良贷款发生额、月消费金额、月消费笔数、月转入金额、月转入笔数。
4.根据权利要求3所述的方法,其特征在于,
进一步包括,
步骤A中所述数据项为必须是数值型,非数值型数据项需加工成数值型数据项。
5.根据权利要求2所述的方法,其特征在于,
进一步的包括
BP神经网络是在输入层与输出层之间增加一层隐性神经元,该单层神经元有25个节点。
6.根据权利要求5所述的方法,其特征在于,
进一步包括,
神经元的计算方法是采用矩阵乘法来计算出预测结果值;
计算公式为:x=sigmoid(np.dot(w,x)+b)
Sigmoid为S型激活函数,是神经网络的阈值函数,将变量映射到0,1之间;
np.dot为矩阵乘法函数,w为权重矩阵,X为特征点数据,b为偏置矩阵。
7.根据权利要求6所述的方法,其特征在于,
进一步包括,
初始参数配置,采用高斯分布函数生成初始值。
8.根据权利要求6或7所述的方法,其特征在于,
进一步包括,
利用反馈更新函数updata_parameter来持续优化权重和偏置的变量值;
利用其中的子函数用来计算误差值并反向传递模型训练;
利用Evaluate函数评估验证集和测试集的精度;
利用predict函数返回预测的准确度,对预测结果值进行输出。
9.根据权利要求2所述的方法,其特征在于,
进一步包括,
步骤B中所述客户流失预警BP神经网络算法的目标预测值分类,共分为5类客户,包括0代表流失客户、1代表预警客户、2代表正常客户、3代表良好客户、4代表积极客户;预测标签采用矩阵赋移位赋值方式index_date['flag_n1'][0:-1]=np.array(index_date['flag'][1:])。
10.根据权利要求2所述的方法,其特征在于,
进一步包括,
步骤C中所述客户流失预警BP神经网络算法参数设置;该算法参数设置,特征点数量,featureNum,设置为25;神经元数量,nerveCell值设置等同特征点数量;分类数量,clsssfy分类是5类;训练数据块大小,min_batch_size设置为300;反向传导系数,eta设置为3.0。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浪潮软件集团有限公司,未经浪潮软件集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811202724.9/1.html,转载请声明来源钻瓜专利网。