信用貸款違約與選股係統應用(ppt 54頁)

信用貸款違約與選股係統應用目錄：
第一章、研究目的與動機
第二章、文獻探討
第三章、數據采礦分類分析係統開發
第四章、實例應用一
第五章、實例應用二
第六章、結論與未來研究

信用貸款違約與選股係統應用內容摘要：
本研究以數據采礦的分類方法為核心，嚐試建構一開放式的分類分析係統，其內含的分類算法包括ID3、C4.5、貝氏分類法與記憶基礎推論法等。
為驗證本係統的有效性，本研究以銀行信用貸款數據庫為例，分類正常戶與違約戶；並將此分類工具應用於股市的分析、預測，期能以此係統發展數據趨導式的選股模型
數據采礦方法
分群：分群是針對樣本進行劃分，與分類不同的是，進行分類時使用者必須明確知道要以何種準則來對樣本進行劃分，而分群屬於非監督式學習法，使用者不需知道樣本要依何種準則進行劃分(有時也無法得知)，分群算法會自動對樣本進行劃分，在圖形辨識、市場區隔等領域都有優異的表現，主要算法有K-平均法、K-對象法等。
關聯：此算法主要是要探究，當某一事件發生時，是否會帶動另一事件跟著發生，是一種探究因果關係的方法，最著名的應用為購物籃分析，用以發現消費者的購買行為，以Apriori算法最為經典。
分類。為一監督式學習方法，主要用於對樣本進行類別的劃分，如對銀行客戶進行信用分級、預測違約戶…等都是其主要應用領域，分類包含了眾多算法可供使用，如決策樹、類神經網絡、支持向量機(SVM)、貝氏分類法、記憶基礎推論法(MBR)…等都是知名的分類算法。

..............................