一、相關(guān)概念

(一) 神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)領(lǐng)域最早是由心理學(xué)家和神經(jīng)學(xué)家開創(chuàng)的，旨在尋求開發(fā)和檢驗(yàn)神經(jīng)的計(jì)算模擬。神經(jīng)網(wǎng)絡(luò)是一組連接的輸入/輸出單元，其中每一個(gè)連接都與一個(gè)權(quán)重相關(guān)聯(lián)。神經(jīng)網(wǎng)絡(luò)可以分為兩個(gè)階段，第一個(gè)階段是學(xué)習(xí)階段，通過調(diào)整權(quán)重，使得能夠預(yù)測(cè)輸入元祖的正確類標(biāo)號(hào)，第二階段為預(yù)測(cè)階段，使用生成好的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)[1]。

神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)包括其對(duì)噪聲數(shù)據(jù)的高承受能力，以及對(duì)未訓(xùn)練的數(shù)據(jù)的模式分類能力，劣勢(shì)在于可解釋性差。

(二) Clementine軟件

Clementine軟件采用可視化編程思想，提供了大量的人工智能、統(tǒng)計(jì)分析的模型，可將數(shù)據(jù)挖掘流程轉(zhuǎn)化為一個(gè)數(shù)據(jù)流，每個(gè)數(shù)據(jù)流由一系列結(jié)點(diǎn)組成，為每個(gè)結(jié)點(diǎn)指定操作，就可以完成數(shù)據(jù)流的執(zhí)行[2]。結(jié)點(diǎn)被劃分為七個(gè)欄，分別為源、記錄選項(xiàng)、字段選項(xiàng)、圖形、建模、輸出和導(dǎo)出。

二、基于神經(jīng)網(wǎng)絡(luò)的校園貸預(yù)測(cè)模型研究

(一) 校園貸預(yù)測(cè)模型的建立

校園貸預(yù)測(cè)模型建立可分為兩個(gè)過程，首先是神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程，其次是使用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)[3]。下面分別從這兩個(gè)過程分析模型的建立步驟。

1.神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程

步驟1 在軟件Clementine中選擇源結(jié)點(diǎn)中用于讀取Excel數(shù)據(jù)(訓(xùn)練集)的結(jié)點(diǎn)并配置數(shù)據(jù)來源；

步驟2 在字段選項(xiàng)中選擇類型結(jié)點(diǎn)，并配置數(shù)據(jù)列的類型和方向；

步驟3 在建模選項(xiàng)下選擇神經(jīng)網(wǎng)絡(luò)結(jié)點(diǎn)并配置參數(shù)；

步驟4 連接新建立的3個(gè)結(jié)點(diǎn)并執(zhí)行數(shù)據(jù)流，數(shù)據(jù)流如圖1所示，生成的神經(jīng)網(wǎng)絡(luò)模型如圖2所示。

2.使用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)

步驟1在軟件Clementine中選擇源結(jié)點(diǎn)中用于讀取Excel數(shù)據(jù)(測(cè)試集)的結(jié)點(diǎn)并配置數(shù)據(jù)來源；

步驟2在字段選項(xiàng)中選擇類型結(jié)點(diǎn)，并配置數(shù)據(jù)列的類型和方向；

步驟3 選擇訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型；

步驟4 選擇輸出選項(xiàng)中的表結(jié)點(diǎn)；

步驟5 連接新建立的4個(gè)結(jié)點(diǎn)，形成的數(shù)據(jù)流如圖3所示。

圖1 神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練數(shù)據(jù)流圖

圖2 神經(jīng)網(wǎng)絡(luò)模型圖

圖3 神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)數(shù)據(jù)流圖

(二) 仿真實(shí)驗(yàn)

將樣本分為訓(xùn)練集和測(cè)試集兩部分，訓(xùn)練集占80%，測(cè)試集占20%。使用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型在測(cè)試集上預(yù)測(cè)，將得到的結(jié)果進(jìn)行處理，取閾值為1.7，將小于閾值的歸為會(huì)使用網(wǎng)貸類，將大于等于閾值的歸為不會(huì)使用網(wǎng)貸類，將實(shí)際值與預(yù)測(cè)值匯總，得到的結(jié)果如表1所示。

表1 預(yù)測(cè)分類與實(shí)際分類圖

表1續(xù) 預(yù)測(cè)分類與實(shí)際分類圖

經(jīng)計(jì)算預(yù)測(cè)準(zhǔn)確度達(dá)到88.9%，達(dá)到了較好的預(yù)測(cè)效果。

三、結(jié)論與建議

文章以重慶工程職業(yè)技術(shù)學(xué)院范圍內(nèi)得到的調(diào)查問卷為基礎(chǔ)，利用Clementine軟件建立了神經(jīng)網(wǎng)絡(luò)模型，并在測(cè)試集上對(duì)模型的預(yù)測(cè)效果進(jìn)行驗(yàn)證，測(cè)試結(jié)果顯示準(zhǔn)確度達(dá)88.9%，證明使用神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)大學(xué)生是否會(huì)使用校園貸是可行的。