[发明专利]一种用于客户流失预测的数据挖掘方法

权利要求书

1.一种用于客户流失预测的数据挖掘方法，其特征在于，包括数据获取步骤，特征变量选择步骤，样本选取步骤，数据预处理步骤，构建训练集和和测试集步骤和执行训练步骤，其中，

所述数据获取步骤包括，建立数据库，对接银行数据系统；

所述特征变量选择步骤包括，选取满足预测算法的特征变量；

所述样本选取步骤包括，根据原始算法，以所收集的数据，对客户流失量进行数据准备；

所述数据预处理步骤包括，整合基础数据，清理无关数据和空值；

所述构建训练集和测试集步骤包括，抽取样本，将所抽取的样本分为训练集和测试集；

所述执行训练步骤包括，按照模型参数的重要性程度进行训练，并以最优解滚动迭代。

2.根据权利要求1所述的一种用于客户流失预测的数据挖掘方法，其特征在于，所述数据获取步骤包括建立数据库，同时对接银行的数据系统对数据库进行信息传递。

3.根据权利要求2所述的一种用于客户流失预测的数据挖掘方法，其特征在于，所建立的数据库内容包括客户身份信息、客户资产信息、客户交易信息和产品信息。

4.根据权利要求3所述的一种用于客户流失预测的数据挖掘方法，其特征在于，所述客户身份信息包括客户ID、年龄和性别，所述产品信息包括活期存款指标、定期存款指标、贷款情况指标、卡业务使用及办理情况、投资理财业务指标和产品综合指标，所述客户资产信息包括总金融资产情况 FA/AUM 及其变动情况，所述客户交易信息包括渠道产品签约情况指标，AUM 交易渠道情况指标、流入、流出情况、大小额转账和第三方及同名账户指标。

5.根据权利要求1所述的一种用于客户流失预测的数据挖掘方法，其特征在于，所述特征变量选择步骤包括，根据算法需求，设定条件，选取满足条件的特征变量；

所述样本选取步骤包括，将选取的特征变量带入原始的算法，进行预测准备。

6.根据权利要求1所述的一种用于客户流失预测的数据挖掘方法，其特征在于，所述数据预处理步骤包括根据原始算法，以个人客户号为连接条件，对所选取的特征值进行排列和总结，清理特征值中的无关数据和空值。

7.根据权利要求1所述的一种用于客户流失预测的数据挖掘方法，其特征在于，所述构建训练集和测试集步骤包括根据预测需求，选取样本数据进行试验，并根据设定，划分为训练集和测试集。

8.根据权利要求1所述的一种用于客户流失预测的数据挖掘方法，其特征在于，根据原始算法，得到对模型影响最重要的参数，模型训练从对模型影响最重要的参数作为起点，按照对模型影响的重要性程度递减方向依次训练，每次训练将之前训练得到的最优解作输入固定，滚动迭代。