用变分自编码器学习银行客户的潜在表示
机器学习
2019-03-18 v1 机器学习
摘要
学习反映客户信用价值的数据表示，可改进零售银行的营销活动、客户关系管理、数据与流程管理或信用风险评估。在本研究中，我们采用变分自编码器（VAE），其具备学习包含有用信息的潜在表示的能力。我们表明，可以利用证据权重（Weight of Evidence）并构建反映客户信用价值的数据特定分组，在VAE的潜在空间中对潜在表示进行引导。我们提出的方法学习数据的潜在表示，展现出定义良好的聚类结构，捕捉了客户的信用价值。这些聚类非常适合于上述银行活动。此外，我们的方法可泛化至新客户，能捕捉高维复杂的金融数据，并可扩展至大型数据集。
引用
@article{arxiv.1903.06580,
title = {Learning Latent Representations of Bank Customers With The Variational Autoencoder},
author = {Rogelio A Mancisidor and Michael Kampffmeyer and Kjersti Aas and Robert Jenssen},
journal= {arXiv preprint arXiv:1903.06580},
year = {2019}
}
备注
arXiv admin note: substantial text overlap with arXiv:1806.02538