李 翠，周瑞涛，王晓辉

（青岛黄海学院，山东 青岛 266555）

0 引言

客户群分类是对银行所开展的电子银行业务按照客户的使用和办理情况进行分类，为银行进行客户关系管理提供依据。客户群分类是客户关系管理（CRM）很重要的一环，可以说是必不可少的。

银行客户的分类通过数据挖掘技术来对进行，具体操作可以根据事先指定的规则找到满足规则的客户群；也可以对客户利用聚类方法进行自然分群；还可以根据交易行为对客户进行分类，以确定什么样的客户最有可能为银行创造高的利润[1]。如何利用现有的银行数据，对电子银行客户进行识别，找到高价值的客户并为之提供个性化的服务，是留住客户、维持与客户良好关系的有效方法。本文主要针对电子银行客户的分类预测方法进行了简述。

1 常用的分类预测算法

分类是一种被广泛应用的数据分析方式，它是描述数据结构类的重要模型，可以用它来预测离散的、无序的数据类别。数据分类是一个两阶段的过程，包括构造分类器的训练阶段和使用分类器预测给定数据的类别的分类阶段。数据挖掘中的分类算法有很多，常用的有决策树、基于规则的分类、贝叶斯等[2]。

1.1 决策树分类

20世纪70年代后期和80年代初期J. Ross Quinlan在E.B. Hunt，J. Marin和P. T. Stone的概率学习系统的基础上，提出了迭代的二分器方法即经典的ID3决策树算法[3]。后来，Quinlan又在ID3的基础上进行了改进，提出了C4.5决策树算法，并成为新的监督学习算法的性能比较基准。……