1、本文側(cè)重于對(duì)商業(yè)銀行個(gè)人客戶信用評(píng)分模型的研究，以住房貸款數(shù)據(jù)為分析標(biāo)的，研究如何將數(shù)據(jù)挖掘中的分類算法應(yīng)用于真實(shí)的個(gè)人信用數(shù)據(jù)中，挖掘出隱含的規(guī)律，并量化為具體的評(píng)分模型；同時(shí)根據(jù)應(yīng)用案例對(duì)模型作出調(diào)整，建立符合實(shí)際需求的新型個(gè)人信用評(píng)分模型。 從已獲得的某商業(yè)銀行的真實(shí)房屋貸款樣本出發(fā)，采用數(shù)據(jù)挖掘技術(shù)，運(yùn)用決策樹(shù)CART算法，經(jīng)過(guò)數(shù)據(jù)采集、抽取、預(yù)處理，建立了個(gè)人評(píng)分決策樹(shù)模型，再在決策樹(shù)模型的基礎(chǔ)上，對(duì)屬性進(jìn)行賦權(quán)，得出

2、信用評(píng)分模型。本文得出的信用評(píng)分模型是一個(gè)百分制的個(gè)人信用評(píng)分模型，對(duì)于此模型，建立了評(píng)價(jià)標(biāo)準(zhǔn)。 從對(duì)模型評(píng)價(jià)的結(jié)果看，個(gè)人信用評(píng)分模型在評(píng)價(jià)高信用級(jí)別的用戶中有較高的預(yù)測(cè)準(zhǔn)確度，在評(píng)價(jià)中、低級(jí)信用級(jí)別的用戶準(zhǔn)確度不盡入人意，這同時(shí)也是現(xiàn)今銀行進(jìn)行信用評(píng)分的難點(diǎn)，對(duì)這些存在還款風(fēng)險(xiǎn)的用戶，是給予貸款還是拒絕，是一個(gè)難題。在通用法則失靈的同時(shí)，抽取更多客戶的信息，也是進(jìn)一步增加預(yù)測(cè)準(zhǔn)確性的方法。 本文所建立個(gè)人信用評(píng)分模型