基于粗糙集理论的决策树方法在贷款客户信用评估中的应用

决策树是数据挖掘中常用的分类技术，其生成的规则便于决策者理解和应用。然而面对较多的属性且含有冗余和噪声属性的记录集生成的决策树时，无法删除冗余属性，造成运算过程复杂。本文旨在通过应用粗糙集理论，将其与决策树方法进行结合，对属性进行约简，降低运算复杂度，并生成相对简化的规则形式，并将其应用到银行个人贷款客户信用评估之中。     

三峡工程升船机承船厢开挖爆破方案经济比较与决策

采用损益值和决策树方法对三峡工程升船机承船厢的开挖爆破施工方案进行经济比较和优选，为确保临时船闸闸室与升船机承船厢之间中隔墩的施工质量，节省工程投资，提供了决策依据。实践证明，通过决策分析后选定的升船机承船箱爆破方案是可行的。     

基于实物期权法对R&D项目价值评估的研究——对布莱克-舒尔斯定价模型的改进

针对R&D项目投资的特点,探讨了采用布莱克一舒尔斯期权定价模型对R&D项目价值评估可能存在的缺陷,并提出一种改进方法,即将决策树和布莱克一舒尔斯定价模型结合运用,因为决策树能够模拟研发项目的阶段性决策过程,考虑到多个离散型不确定性因素的相关性,模拟并计算出对决策路径依赖的现金流,因此能克服纯粹使用布莱克一舒尔斯公式的不足,在考虑多个不确定性因素的影响下,实现对多阶段R&D项目价值的评估,作出正确的投资决策。     

数据挖掘技术在企业客户关系管理中的应用

随着市场竞争的加剧，客户成为企业的重要资源，如何进行更加有效的客户关系管理、如何提高客户关系管理的水平，一直是很多企业关注的问题。数据挖掘技术作为一种新型的数据处理工具，在处理海量数据、将数据转化成有价值的信息、辅助企业进行有效CRM决策等方面都有重要作用。企业可以通过构建数据挖掘平台，按照数据挖掘的步骤实现在CRM中的数据挖掘。     

基于AdaBoost的电信客户流失预测模型

随着电信业改革的深入和竞争的不断加剧,各大电信企业的客户流失率逐步攀升。在深入分析电信业客户流失问题的基础上,针对目前研究多采用单分类器模型的不足,提出了一种基于组合分类器的电信客户流失预测模型。实证结果表明该模型能有效提升预测准确率,为今后的研究提供了新的研究思路。     

决策树在市场细分中的应用

市场细分能够指导企业寻找目标市场、产品定位等一系列市场营销活动，而将决策树技术应用到市场细分中，将使我们的工作更为有效。文章主要讨论了市场细分和决策树的相关概念，并论述了决策树在市场细分中的应用。     

数据挖掘及其在银行业的应用

随着信息技术的飞速发展以及数据库管理技术的广泛应用,各大银行都在纷纷实施数据大集中,无数个数据库被用于办公、管理、开发等领域,大量的数据库信息如果不能合理使用和开发就会像垃圾一样成为银行业的包袱,如何提高信息的利用率,数据挖掘技术的应运而生给银行业带来无限生机,它将成为银行业发展过程中不可多得的新技术。     

银行贷款客户违约分析

随着互联网金融的迅速发展,商业银行更加重视贷款风险管理,判别出违约客户对风险管理异常重要.所以,基于C5.0算法的决策树模型应用而生,根据银行客户数据建立决策树模型,提出分类规则,对新出现申请贷款的客户是否会违约进行分类预测.通过交叉验证得到可靠稳定的决策树模型,并在决策树模型的基础上,加入成本矩阵,提高对违约客户判别的准确率,达到局部最优,从而提高商业银行对客户的风险管理和贷款控制.这既能满足个人融资的需求,又能降低商业银行的贷款风险.