[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

专利信息
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
【权利要求书】:

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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top