一、相關(guān)概念

(一) 神經(jīng)網(wǎng)絡(luò)

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

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

(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)計分析的模型，可將數(shù)據(jù)挖掘流程轉(zhuǎn)化為一個數(shù)據(jù)流，每個數(shù)據(jù)流由一系列結(jié)點組成，為每個結(jié)點指定操作，就可以完成數(shù)據(jù)流的執(zhí)行[2]。結(jié)點被劃分為七個欄，分別為源、記錄選項、字段選項、圖形、建模、輸出和導出。

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

(一) 校園貸預(yù)測模型的建立

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

1.神經(jīng)網(wǎng)絡(luò)模型的訓練過程

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

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

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

步驟4 連接新建立的3個結(jié)點并執(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.使用訓練好的神經(jīng)網(wǎng)絡(luò)模型進行預(yù)測

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

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

步驟3 選擇訓練好的神經(jīng)網(wǎng)絡(luò)模型；

步驟4 選擇輸出選項中的表結(jié)點；

步驟5 連接新建立的4個結(jié)點，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)測數(shù)據(jù)流圖

(二) 仿真實驗

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

表1 預(yù)測分類與實際分類圖

表1續(xù) 預(yù)測分類與實際分類圖

經(jīng)計算預(yù)測準確度達到88.9%，達到了較好的預(yù)測效果。

三、結(jié)論與建議

文章以重慶工程職業(yè)技術(shù)學院范圍內(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，并在測試集上對模型的預(yù)測效果進行驗證，測試結(jié)果顯示準確度達88.9%，證明使用神經(jīng)網(wǎng)絡(luò)模型預(yù)測大學生是否會使用校園貸是可行的。