倪非凡 赵黎丽 谢立

[摘 要]人工智能技术为金融行业的发展带来更多的机遇。针对银行客户潜在价值的分析与发掘，帮助金融机构制定合理的策略，处理客户关系。文章面向真实银行数据集，提出基于支持向量机（SVM）模型的客户分类方法，并引入核函数来增强SVM的拟合能力，通过与K-means、随机森林、决策树等传统机器学习分类算法进行实验分析比较，结果表明，基于核函数的SVM算法具有良好的效果，能准确地实现客户分类，更有助于加强对客户的了解。

[关键词]SVM;核函数;银行客户分类

[DOI]10.13939/j.cnki.zgsc.2021.13.017

1 引言

随着信息技术的发展，银行等金融机构对智能信息分析技术的依赖逐渐增加。客户的分类分析有助于金融机构对客户进行资源整合、价值发掘以及关系管理，从而为金融机构实现利益最大化提供帮助。但大部分金融机构仅仅注重客户资产等基本的属性，不能发掘客户的潜在特征，这是银行发展现状的短板，需加强与高新技术的结合，利用大数据、人工智能等新技术，为进一步探索客户特征提供可能。

目前在银行领域应用SVM算法进行客户分类的研究成果还不多见。为了使得金融行业能够更加准确地把握客户信息，增强客户管理能力，实现客户的精准分类，文章首先将银行客户真实数据进行清洗，并进行数据集划分;其次，在SVM模型中引入核函数，增强SVM模型的泛化能力;最后，进行模型的性能测试。同时对分类结果进行分析，与几个常用的机器学习算法在分类准确度上进行比较，并从健壮性和性能角度综合评价了SVM模型，结果表明，引入核函数的SVM模型具有良好的分类能力。……