52、零售银行目标群体选择中的神经模糊数据挖掘

零售银行目标群体选择中的神经模糊数据挖掘

神经模糊系统简介

神经模糊系统（NFS）是数据挖掘工具领域的一项新发展。它结合了模糊系统和神经网络的优势，其混合架构在学习过程中以及之后都可以进行调整和解释。这里重点介绍NEFCLASS（神经模糊分类），它是德国马格德堡大学信息与通信系统研究所提供的免费软件。

NEFCLASS是一个用于数据分析的交互式工具，能确定给定输入模式的正确类别。它将模糊系统映射到前馈三层多层感知器神经网络上。输入模式呈现给第一层神经元，当输入信号传播到隐藏层时进行模糊化，因为连接权重被建模为语言术语的隶属函数。隐藏层神经元代表规则，它们与输入层完全连接，连接权重可解释为模糊集。每个隐藏神经元仅连接一个输出神经元，每个输出神经元与一个输出类一一对应，因此每个隐藏神经元是一个分类检测器。学习阶段分为两步：第一步学习规则单元的数量及其连接，即规则及其前提；第二步学习最优模糊集，即它们的隶属函数。

近年来，许多人强调了神经模糊系统在数据挖掘中的好处。对于小文件数据，如鸢尾花数据，这些算法的有效性已得到实证证明。但在分析现实问题时，其易于理解和自动处理大型数据库的能力仍是一个备受期待但未被证实的优点。在分类质量方面，神经模糊系统与其他测试算法表现相当。它的优点是易于解释（模糊IF - THEN规则），并且能够轻松集成先验知识以提高性能和/或分类质量。然而，神经模糊数据挖掘存在两个严重问题，尤其是在处理大型数据库时：
- 无法处理缺失值 ：对于NEFCLASS产品尤为明显，所有包含缺失值的案例都必须排除。在缺失值常见的数据集中，这种粗暴的方法可能会删除相关的学习模式。
- 运行时间长