本文分析了臺(tái)灣某銀行客戶的違約支付情況，提出了基于數(shù)據(jù)挖掘技術(shù)的預(yù)測(cè)客戶違約可能性。從風(fēng)險(xiǎn)管理的角度來(lái)看，預(yù)測(cè)的違約概率的準(zhǔn)確性可以用來(lái)對(duì)可信的或不可信的客戶進(jìn)行分類。 本文首先對(duì)數(shù)據(jù)集進(jìn)行了初步處理，將數(shù)據(jù)拆分為2000個(gè)訓(xùn)練集與1000個(gè)測(cè)試集。每個(gè)客戶信息中有23個(gè)自變量，根據(jù)其各個(gè)因素的相關(guān)性進(jìn)行了調(diào)整然后使用了5挖掘方法，包括KNN,分類樹，隨機(jī)森林，Logistic回歸，神經(jīng)網(wǎng)絡(luò)進(jìn)行建模，比較這5種方法中違約概率的預(yù)測(cè)準(zhǔn)確性。其中神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)效果最好，預(yù)測(cè)準(zhǔn)確率達(dá)到了83.3%；其次，分類樹（81.8%）和隨機(jī)森林（80.1%），然后是Logistic回歸（78.3%）。KNN的