关联规则在银行业务中的应用
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
广 泛研 究 。
Ｍｅｈ ｄ： ｔｏ Ｌ１ ｆｎ ｆｅ ｕ ｎ ｌ ｉ ｍ ｅｓ（ ： ＝ ｄ ｒｑ ｅ ｔ － ｔ ｓ ｔ Ｄ） ｉ ｅ
＿ ＿
Ｆ ｒ ｋ ２ ｋ ≠ ；ｋ ＋ ｏ （＝ ；Ｌ —ｌ ＋ ）ｆ
Ｃ ＝ ｐｉｒ＿ｅ Ｕ【 ｌ ｋ ａ ｒ ｉｇ ｎ（ 一 。ｍｌｓ ｐ ｏｔ ； ｏ． ｎ ｕ ｐ ｒ ）
Ｔｈ ｐｉａ ｉｎ ｏ ｓ ｃａ ｏ ｌ ｎ Ｂａ ｋ ｎ ｓｎ ｓ ｅ Ａｐ ｌ ｔ ｆＡｓｏ ｉｔ ｎ Ｒｕｅ ｉ ｎ ｉ ｇ Ｂｕ ｉ ｅｓ ｃ ｏ ｉ
Ｌｉ ｐｎｇ ｕ Ｌｌ ｉ
Ａｂ ｔ ａ ｔ Ｔ ｒｕｈ ａ ｂ ｅ ｔ ｄ ｃ ｏ ｆ ｈ ｐ ｏ ａ ｉ ｎ ｅｈｏ ｇ， ｅｐ ｐｒａ ｐ ｅ ｓ ｉ ｉ ｕ ｓａｄ Ｄ ＭＳ ｓ ｔ ｃ ： ｈ ｇ ｒ ｆ ｎｒ ｕｔ ｎ ｏ ｔ Ａ ｒ ｒ ｄｔ ｍ ｎ ｇｔ ｎｌ ｙ ｔ ａｅ ｐ ｌ ｓａ ｏ ａｏ ｒ ｅ ｎ Ｂ ｏ ｉ ｉ ｏ ｉ ｅ ｉｉ ａ ｉ ｃ ｏ ｈ ｉ ｓ ｔｎ ｌ ｃ
ｆｒｅｃ ｒｎａｔ ｎ ｔ ｏ ａｈ ｔ ｓｃｉ ∈Ｄｆ ａ ｏ
Ｃ ＝ｕ ｓｔ Ｃ 。 ； ｔｓｂｅ （ ｋｔ ）
ｆｒ ｅ ｃ ｃ ｎ ｉａｅ ∈ Ｃｔ ｏ ａ ｈ ａ ｄｄ ｔ ｅ ；
ｃ． ｏｕｎｔ ｃ ＋＋；
１１关联规则 ． 如 果事务的两项 或多项之 间存在关 联 ，那么其 中一项 的值就 可以依据其他项 的值进 行预测 ， 这称 为关联 规则。 数
ａ ｅ ｕ ｌ ｈ ａ ｅ ｎ ｓ ａ ｓｒｎ ｓｏ ｉｔｏ ｕｅ ａ ｎ ｈ ｎ ｏ ｓｙ ｔ ｅ ｐ ｐ ｒ ｍｉ ｅ ｔ ｇ ａ ｓｃａｉｎ ｒｌ ｍｏ ｏ ｇ ｔ ｅ ＡＴＭ ｅ ｔｃ ｒ ｓ ｓ ｖｎ ｓ ａ ｃ ｕ ｔ ｎ ｈ ｃ ｎ — ｄ ｂｉ ａ ｄ ． ａ ｉ ｇ ｃ ｏ ｎｓ ａ ｄ ｃ ｅｋｉｇ ａ ｏ ｏ ｎ ．Ｆｎ ｌ ｉ ａｓ ｎ ｙｅ ｈ ｅ ｎｉ ｈ ｔｏ ｓｏ ｉｔ ｎ ｒｌｓ ｇ ｕ ｔ ｉａｌ ｔ ｌｏ ａ ａ ｚ ｓ ｔｅ ｓ ｍａ ｔ ｏ ｔｅ ｓｒｎ ａｓ ｃａｉ ｕ ｅ． ｙ ｌ ｃｆ ｇ ｏ
２ｌ 羊 ６月 ０Ｏ
电 脑 学 习
第３ 期
关联规 则在银 行业 务 中的应 用
刘丽萍‘
摘 要 ： 本文通过对 Ａ ｒ ｒ数据挖掘技术的简单介绍． ｐｏ ｉｉ 运用关联规则并使用数据库管理系统 Ａ Ｃ Ｓ２０ ． Ｃ Ｅ Ｓ０３对银行的顾客服务
记 录 进 行 处 理 ． 析 了银 行服 务之 间 的关 联 规 则 ． 掘 出 具有 强 关 联 规 则 的 自动 柜 员机 借 记 卡 、 分 挖 储蓄 帐 户 和 支 票帐 户
Ｋｅ ｗｏ ｄ Ｄａａ Ｍｉｉｇ ｙ ｒ： ｔ ｎｎ
Ａｓｏ ｉｔ ｎ ｓｃａｉ Ｒｕｅ ｏ ｌ
Ａｐ ｏ Ａ ｇ ｒｔｍ ｉ ｉ ｒ ｒ ｌｏ ｈ ｉ
Ｆｒｑ ｅ ｔ ｅ ｅ ｕ ｎ Ｓ ｔ
１ 关联 规 则ห้องสมุดไป่ตู้ 算法 实 现
数据挖 掘 （ ａ ｎｎ ）就是 从大 量的 、 Ｄ ｔ Ｍｉｉｇ ａ 不完 全 的、 有
１ ｐｉ ｉ 法 ． Ａ ｒ ｒ算 ２ ｏ
ｌ
Ｌ ＝ ∈Ｃ ｅｃｕ ｔ＝ ｉｓｐｏｔ ｋ ｛ｃ ｋ ｌ．ｏｎ＞ ｍ ｎｕｐ ｒ ； ｝ ｝ ｒｔｒ ＝ Ｌ ；＇ Ｌ ｅ ｎ Ｌ Ｕｋ ｋ／ ｕ ， ｋ的和 ￣
Ａ ｒ ｒ算法 。 算法可 以分 为两步： ｐｉ ｉ ｏ 该 第一 步是迭代 识别所有 的频 繁项 目集 ，要 求频 繁项 目集 的支持 度不低于用户设定
的最 低值 ；第二步 是从频 繁项 目集 中构 造置信度不低于用 户设 定的最低值 的规 则， 算法 如下 。
Ｉ ｕ：ｔａ ａ ｔ ｎ Ｄａａ ｓ ；ｍｉｉ ｍ ｓｐｐ ｒ ｈｅｈ ｌ ｎｐ ｔ ｒｎｓｃｉ ｓ ｏ ｔｂａｅ ｎｍｕ ｕ ｏ ｔｔｒｓ ｏｄ
三 项 业 务 ． 分 析 了诙 强 关 联 规则 的语 义 。 并
关键 词 ： 数据挖掘 关联规则 Ａ ｒ ｒ算法 频繁集 ｐｏ ｉｉ 中图分类号： Ｔ ３ １ Ｐ １ 文献标识码： Ａ 文章编号：０ ２ ２ ２ （ ０ ０）３ ０ ８ — ２ １０ － ４ ２ ２ １ ０ － ０ ３ ０
Ｏｕ ｐ ：Ｌ，ｆｅ ｕ ｎ ｉ ｍｓ ｔ ｎ Ｄ． ｔ ｕｔ ｒｑ ｅ ｔ ｔ ｅｓ ｉ ｅ
噪 声的 、 模糊 的、 随机 的实际应用 数 据 中， 提取隐 含在其 中
的、 人们事先不知道 的、 但又是潜 在有用 的信息和知识 的过 程， 也称作知识发 现 （ ｎ ｗｅｇ ｉ ｏｅｙ 数据挖掘所 发 Ｋ ｏ ｌ ｅ Ｄ ｓ ｖｒ）。 ｄ ｃ 现 的知识 最常见 的包括 ： 广义知 识 、 关联知识 、 分类 知识、 预 测型知识 、 偏差型知识 等。 关联知识 是反映一个事件和其他 事件之 间依 赖或关联 的知 识 。关 联知识发现 即关联规则挖 掘在数据 挖掘 中是 一个重要 的课题 ，最近 几年 已被 业界所
ＡＣＣＥＳ ２ ０ ｏ ｔｅ ａ ｋ ｅｖｃ ｓｒ ｃ ｒｓ Ａｎ ｈ ａ ｋ ｎ ｕ ｉｅ ｓ ａｓ ｃａｉｎ ｒ ｌｓ ａ ｅ ｂ ｅ ｎ ｌｚｄ． ｉ ｈ－ Ｓ ０ ３ ｔ ｈ ｂ ｎ ｓｒ ｉｅ ｅ ｏｄ ， ｄ ｔｅ ｂ ｎ ｉ ｇ ｂ ｓｎ ｓ ｓｏ ｉｔｏ ｕｅ ｈ ｖ ｅ ｎ ａ ａｙｅ Ｓｍｕ
据项 的集合 称为项集 ，包含项集 的事务在 整个事务数据 库 中所 占的百分比称为项集 的支持度 ，一个项 集的 出现 导致
另一个 项集 出现 的条 件概 率称 为其关 联规 则 的置 信度 ， 支 持度和置信 度 同时满 足最 小支持 度 阈值 ｒｎ ｓｐ和 最小 置 ａ ＿ｕ ｉ 信度阈值 ｍ ｎ ｃｎ 的关联规则称 为强关联规则 。 ｉ＿ ｏｆ
Ｍｅｈ ｄ： ｔｏ Ｌ１ ｆｎ ｆｅ ｕ ｎ ｌ ｉ ｍ ｅｓ（ ： ＝ ｄ ｒｑ ｅ ｔ － ｔ ｓ ｔ Ｄ） ｉ ｅ
＿ ＿
Ｆ ｒ ｋ ２ ｋ ≠ ；ｋ ＋ ｏ （＝ ；Ｌ —ｌ ＋ ）ｆ
Ｃ ＝ ｐｉｒ＿ｅ Ｕ【 ｌ ｋ ａ ｒ ｉｇ ｎ（ 一 。ｍｌｓ ｐ ｏｔ ； ｏ． ｎ ｕ ｐ ｒ ）
Ｔｈ ｐｉａ ｉｎ ｏ ｓ ｃａ ｏ ｌ ｎ Ｂａ ｋ ｎ ｓｎ ｓ ｅ Ａｐ ｌ ｔ ｆＡｓｏ ｉｔ ｎ Ｒｕｅ ｉ ｎ ｉ ｇ Ｂｕ ｉ ｅｓ ｃ ｏ ｉ
Ｌｉ ｐｎｇ ｕ Ｌｌ ｉ
Ａｂ ｔ ａ ｔ Ｔ ｒｕｈ ａ ｂ ｅ ｔ ｄ ｃ ｏ ｆ ｈ ｐ ｏ ａ ｉ ｎ ｅｈｏ ｇ， ｅｐ ｐｒａ ｐ ｅ ｓ ｉ ｉ ｕ ｓａｄ Ｄ ＭＳ ｓ ｔ ｃ ： ｈ ｇ ｒ ｆ ｎｒ ｕｔ ｎ ｏ ｔ Ａ ｒ ｒ ｄｔ ｍ ｎ ｇｔ ｎｌ ｙ ｔ ａｅ ｐ ｌ ｓａ ｏ ａｏ ｒ ｅ ｎ Ｂ ｏ ｉ ｉ ｏ ｉ ｅ ｉｉ ａ ｉ ｃ ｏ ｈ ｉ ｓ ｔｎ ｌ ｃ
ｆｒｅｃ ｒｎａｔ ｎ ｔ ｏ ａｈ ｔ ｓｃｉ ∈Ｄｆ ａ ｏ
Ｃ ＝ｕ ｓｔ Ｃ 。 ； ｔｓｂｅ （ ｋｔ ）
ｆｒ ｅ ｃ ｃ ｎ ｉａｅ ∈ Ｃｔ ｏ ａ ｈ ａ ｄｄ ｔ ｅ ；
ｃ． ｏｕｎｔ ｃ ＋＋；
１１关联规则 ． 如 果事务的两项 或多项之 间存在关 联 ，那么其 中一项 的值就 可以依据其他项 的值进 行预测 ， 这称 为关联 规则。 数
ａ ｅ ｕ ｌ ｈ ａ ｅ ｎ ｓ ａ ｓｒｎ ｓｏ ｉｔｏ ｕｅ ａ ｎ ｈ ｎ ｏ ｓｙ ｔ ｅ ｐ ｐ ｒ ｍｉ ｅ ｔ ｇ ａ ｓｃａｉｎ ｒｌ ｍｏ ｏ ｇ ｔ ｅ ＡＴＭ ｅ ｔｃ ｒ ｓ ｓ ｖｎ ｓ ａ ｃ ｕ ｔ ｎ ｈ ｃ ｎ — ｄ ｂｉ ａ ｄ ． ａ ｉ ｇ ｃ ｏ ｎｓ ａ ｄ ｃ ｅｋｉｇ ａ ｏ ｏ ｎ ．Ｆｎ ｌ ｉ ａｓ ｎ ｙｅ ｈ ｅ ｎｉ ｈ ｔｏ ｓｏ ｉｔ ｎ ｒｌｓ ｇ ｕ ｔ ｉａｌ ｔ ｌｏ ａ ａ ｚ ｓ ｔｅ ｓ ｍａ ｔ ｏ ｔｅ ｓｒｎ ａｓ ｃａｉ ｕ ｅ． ｙ ｌ ｃｆ ｇ ｏ
２ｌ 羊 ６月 ０Ｏ
电 脑 学 习
第３ 期
关联规 则在银 行业 务 中的应 用
刘丽萍‘
摘 要 ： 本文通过对 Ａ ｒ ｒ数据挖掘技术的简单介绍． ｐｏ ｉｉ 运用关联规则并使用数据库管理系统 Ａ Ｃ Ｓ２０ ． Ｃ Ｅ Ｓ０３对银行的顾客服务
记 录 进 行 处 理 ． 析 了银 行服 务之 间 的关 联 规 则 ． 掘 出 具有 强 关 联 规 则 的 自动 柜 员机 借 记 卡 、 分 挖 储蓄 帐 户 和 支 票帐 户
Ｋｅ ｗｏ ｄ Ｄａａ Ｍｉｉｇ ｙ ｒ： ｔ ｎｎ
Ａｓｏ ｉｔ ｎ ｓｃａｉ Ｒｕｅ ｏ ｌ
Ａｐ ｏ Ａ ｇ ｒｔｍ ｉ ｉ ｒ ｒ ｌｏ ｈ ｉ
Ｆｒｑ ｅ ｔ ｅ ｅ ｕ ｎ Ｓ ｔ
１ 关联 规 则ห้องสมุดไป่ตู้ 算法 实 现
数据挖 掘 （ ａ ｎｎ ）就是 从大 量的 、 Ｄ ｔ Ｍｉｉｇ ａ 不完 全 的、 有
１ ｐｉ ｉ 法 ． Ａ ｒ ｒ算 ２ ｏ
ｌ
Ｌ ＝ ∈Ｃ ｅｃｕ ｔ＝ ｉｓｐｏｔ ｋ ｛ｃ ｋ ｌ．ｏｎ＞ ｍ ｎｕｐ ｒ ； ｝ ｝ ｒｔｒ ＝ Ｌ ；＇ Ｌ ｅ ｎ Ｌ Ｕｋ ｋ／ ｕ ， ｋ的和 ￣
Ａ ｒ ｒ算法 。 算法可 以分 为两步： ｐｉ ｉ ｏ 该 第一 步是迭代 识别所有 的频 繁项 目集 ，要 求频 繁项 目集 的支持 度不低于用户设定
的最 低值 ；第二步 是从频 繁项 目集 中构 造置信度不低于用 户设 定的最低值 的规 则， 算法 如下 。
Ｉ ｕ：ｔａ ａ ｔ ｎ Ｄａａ ｓ ；ｍｉｉ ｍ ｓｐｐ ｒ ｈｅｈ ｌ ｎｐ ｔ ｒｎｓｃｉ ｓ ｏ ｔｂａｅ ｎｍｕ ｕ ｏ ｔｔｒｓ ｏｄ
三 项 业 务 ． 分 析 了诙 强 关 联 规则 的语 义 。 并
关键 词 ： 数据挖掘 关联规则 Ａ ｒ ｒ算法 频繁集 ｐｏ ｉｉ 中图分类号： Ｔ ３ １ Ｐ １ 文献标识码： Ａ 文章编号：０ ２ ２ ２ （ ０ ０）３ ０ ８ — ２ １０ － ４ ２ ２ １ ０ － ０ ３ ０
Ｏｕ ｐ ：Ｌ，ｆｅ ｕ ｎ ｉ ｍｓ ｔ ｎ Ｄ． ｔ ｕｔ ｒｑ ｅ ｔ ｔ ｅｓ ｉ ｅ
噪 声的 、 模糊 的、 随机 的实际应用 数 据 中， 提取隐 含在其 中
的、 人们事先不知道 的、 但又是潜 在有用 的信息和知识 的过 程， 也称作知识发 现 （ ｎ ｗｅｇ ｉ ｏｅｙ 数据挖掘所 发 Ｋ ｏ ｌ ｅ Ｄ ｓ ｖｒ）。 ｄ ｃ 现 的知识 最常见 的包括 ： 广义知 识 、 关联知识 、 分类 知识、 预 测型知识 、 偏差型知识 等。 关联知识 是反映一个事件和其他 事件之 间依 赖或关联 的知 识 。关 联知识发现 即关联规则挖 掘在数据 挖掘 中是 一个重要 的课题 ，最近 几年 已被 业界所
ＡＣＣＥＳ ２ ０ ｏ ｔｅ ａ ｋ ｅｖｃ ｓｒ ｃ ｒｓ Ａｎ ｈ ａ ｋ ｎ ｕ ｉｅ ｓ ａｓ ｃａｉｎ ｒ ｌｓ ａ ｅ ｂ ｅ ｎ ｌｚｄ． ｉ ｈ－ Ｓ ０ ３ ｔ ｈ ｂ ｎ ｓｒ ｉｅ ｅ ｏｄ ， ｄ ｔｅ ｂ ｎ ｉ ｇ ｂ ｓｎ ｓ ｓｏ ｉｔｏ ｕｅ ｈ ｖ ｅ ｎ ａ ａｙｅ Ｓｍｕ
据项 的集合 称为项集 ，包含项集 的事务在 整个事务数据 库 中所 占的百分比称为项集 的支持度 ，一个项 集的 出现 导致
另一个 项集 出现 的条 件概 率称 为其关 联规 则 的置 信度 ， 支 持度和置信 度 同时满 足最 小支持 度 阈值 ｒｎ ｓｐ和 最小 置 ａ ＿ｕ ｉ 信度阈值 ｍ ｎ ｃｎ 的关联规则称 为强关联规则 。 ｉ＿ ｏｆ