实验名称 构建信用卡客户风险识别模型

实验目的 ：

1、掌握异常值的识别与处理方法。
2、构建信用卡用户风险分析关键特征。
3、掌握 K-Means 聚类算法的应用。
4、掌握聚类算法结果分析的方法。
5、不得抄袭，发现后按0分处理
6、按照大三实验报告模板撰写实验报告

实验环境：

1、硬件要求：计算机一台
2、软件要求：Chrome浏览器、Anaconda
3、网络要求：能访问互联网

实验步骤和内容：

需求说明：为了推进信用卡业务良性发展减少坏账风险，各大银行都进行了信用卡客户风险识别的相关工作，减少坏账风险，各大银行都进行了信用卡客户风险识别的 相关工作。某银行研究的风险识别模型随时间推移不再适应业务发展需求，需要 重新进行风险识别模型构建。

实验内容

为了推进信用卡业务良性发展，减少坏账风险，台湾各大银行都进行了信用卡客户风险识别相关工作，建立了相应的客户风险识别模型。某银行因旧的风险识别模型随时间推移，不再适应业务发展需求，需要重新进行风险识别模型构建。

（一）处理信用卡数据异常值

实验步骤
（1） 读取信用卡数据。
（2） 丢弃逾期，呆账，强制停卡，退票记录，拒往记录为 1，瑕疵户为 2的记录。
（3） 丢弃呆账，强制停卡，退票为 1，拒往记录为 2 的记录。
（4） 丢弃频率为 5，刷卡金额不等于 1 的数据

图1 数据处理

(二) 特征选取

特征的轩主主要是以下三个方面。

1. 根据特征瑕疵户，逾期，呆账，强制停卡，退票，拒往记录构建历史行为特征。
2. 根据特征借款余额，个人月收入，个人月开销，家庭月收入和月刷卡金 额，构建出经济风险情况特征。
3. 根据特征职业，年龄，住家，构建出收入风险情况特征。
4. 将历史行为特征，经济风险情况特征以及风险情况特征分别进行降维。

图2 特征提取
特征合并 。选取完所需的特征之后，将相关特征列合并

（三）构建模型

最近做了一个数据挖掘的项目，挖掘过程中用到了K-means聚类方法，但是由于根据行业经验确定的聚类数过多，并且并不一定是我们获取到数据的真实聚类数，所以，我们希望能从数据自身出发去确定真实的聚类数，也就是对数据而言的最佳聚类数。为此，我查阅了大量资料和博客资源，总结出主流的确定聚类数k的方法手肘法。手肘法的核心指标是SSE(sum of the squared errors，误差平方和)，手肘法的核心思想是：随着聚类数k的增大，样本划分会更加精细，每个簇的聚合程度会逐渐提高， 那么误差平方和SSE自然会逐渐变小。并且，当k小于真实聚类数时，由于k的增大会大幅增加每个簇的聚合程度，故SSE的下降幅度会很大，而当k到达真实聚类数时，再增加k所得到的聚合程度回报会迅速变小，所以SSE的下降幅度会骤减，然后随着k值的继续增大而趋于平缓，也就是说SSE和k的关系图是一个手肘的形状，而这个肘部对应的k值就是数据的真实聚类数。当然，这也是该方法被称为手肘法的原因。对于K-Means方法，k的取值是一个难点，因为是无监督的聚类分析问题，所以不寻在绝对正确的值，需要进行研究试探。这里采用计算SSE的方法，尝试找到最好的K数值。编写函数如下：

构建 K-Means 聚类模型，聚类数为 4。

图3 手肘法
训练模型，求出聚类中心、每类的用户数目。

图4 求出聚类中心、每类的用户数目

（四）结果分析

雷达图

图5 雷达图
客户特征分析图

图6 客户特征分析图

图6 客户特征分析图
根据 H（历史行为）E（经济风险）I（收入风险）数据，我们可以对客户进行评
价分析。
客户价值分析，我们希望用户是低H，高E和高I
我们重点关注的是 H，E，I，从 HEI 图中可以看到：
1、一类客户 [red] H，E，I，都很低，可以看做是一般客户
2、二类客户[blue] H很高，E，I，都很低， 可以看做是用户价值低客户
3、三类客户[purple] E很高，H，I，都很低，可以看做用户价值高客户，重点保持客户
4、四类客户[black] I 特别高，其余都较低,可以看作是重要发展客户
以下再结合具体的特征定义四个等级的客户类别，针对不同等级的客户，采取相
应的营销手段和策略，为信用卡客户风险的客户群管理提供参考（即业务分析）。