LUẬT kết hợp TRONG hỗ TRỢ RA QUYẾT ĐỊNH CHO VAY vốn của NGÂN HÀNG

Luật kết hợp hỗ trợ định cho vay vốn ngân hàng ĐẠI HỌC QUỐC GIA TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN -------- LUẬT KẾT HỢP TRONG HỖ TRỢ RA QUYẾT ĐỊNH CHO VAY VỐN CỦA NGÂN HÀNG Giảng viên hướng dẫn: PGS. TS ĐỖ PHÚC Học viên thực hiện: CH1401031 Nguyễn Hữu Tâm CH1401036 Nguyễn Xuân Toàn CH1401015 Ngô Huỳnh Ngọc Phú Hồ Chí Minh, tháng 07 năm 2015 GVHD: PGS.TS.Đỗ Phúc Trang Luật kết hợp hỗ trợ định cho vay vốn ngân hàng MỤC LỤC 1. Luật kết hợp .7 1.1 Khái niệm luật luật kết hợp .7 1.2. Một số tính chất tập mục phổ biến luật kết hợp 1.2.1. Một số tính chất với tập mục phổ biến: .7 1.2.2. Một số tính chất với luật kết hợp: GVHD: PGS.TS.Đỗ Phúc Trang Luật kết hợp hỗ trợ định cho vay vốn ngân hàng MỞ ĐẦU Trong thời đại bùng nổ công nghệ thông tin, công nghệ lưu trữ liệu ngày phát triển tạo điều kiện cho đơn vị thu thập liệu tốt hơn. Đặc biệt lĩnh vực kinh doanh, doanh nghiệp nhận thức tầm quan trọng việc nắm bắt xử lý thông tin, nhằm giúp chủ doanh nghiệp việc vạch chiến lược kinh doanh kịp thời mang lại lợi nhuận to lớn cho doanh nghiệp mình. Tất lý khiến cho quan, đơn vị doanh nghiệp tạo lượng liệu khổng lồ cỡ Gigabyte chí Terabyte cho riêng mình. Các kho liệu ngày lớn tiềm ẩn nhiều thông tin có ích. Sự bùng nổ dẫn tới yêu cầu cấp thiết phải có kỹ thuật công cụ để biến kho liệu khổng lồ thành thông tin cô đọng có ích. Dựa thông tin tri thức khai phá được, nhà quản lý đưa định nhanh xác hơn. Lĩnh vực ngân hàng thực tế đứng trước nhiều thách thức lớn. Quy mô ngân hàng đa phần vừa nhỏ, lực cạnh tranh yếu hạn chế nguồn vốn, lực huy động vốn, khả tiếp cận khách hàng tiềm năng, lực đánh giá khách hàng, khả thu hồi nợ vay…. Tình trạng vi phạm quy định tài ngân hàng diễn ngày nhiều để lại nhiều hậu nặng nề cho kinh tế. Bên cạnh đó, tình trạng sáp nhập ngân hàng diễn ngày nhiều, gây tâm lý hoang mang đại phận khách hàng. Bên cạnh đó, quy trình đánh giá khách hàng trước cho vay cảm tính phụ thuộc nhiều vào cá nhân mà chưa có hệ thống chuẩn sở liệu để phân tích, đánh giá… dẫn đến nhiều đinh sai lầm, ví dụ từ chối khách hàng tốt chấp nhận cho vay khách hàng xấu. GVHD: PGS.TS.Đỗ Phúc Trang Luật kết hợp hỗ trợ định cho vay vốn ngân hàng CHƯƠNG I - TỔNG QUAN KHAI PHÁ DỮ LIỆU HỖ TRỢ RA QUYẾT ĐỊNH 1. Khai phá liệu hỗ trợ định Khai phá liệu (Data Mining) định nghĩa là: trình trích xuất thông tin có giá trị tiềm ẩn bên lượng lớn liệu lưu trữ sở liệu (CSDL), kho liệu . Hiện nay, thuật ngữ khai phá liệu, người ta dùng số thuật ngữ khác có ý nghĩa tương tự như: Khai phá tri thức từ CSDL (knowledge mining from databases),trích lọc liệu (knowledge extraction), phân tích liệu/mẫu (data/pattern analysis), khảo cổ liệu (data archaeology), nạo vét liệu (data dredging). Nhiều người coi khai phá liệu thuật ngữ thông dụng khác khám phá tri thức CSDL (Knowledge Discovery in Databases – KDD) nhau. Tuy nhiên, thực tế, khai phá liệu bước thiết yếu trình khám phá tri thức CSDL. Sau số quan niệm khai phá liệu (KPDL): KPDL tập hợp thuật toán nhằm chiết xuất thông tin có ích từ kho liệu khổng lồ. KPDL định nghĩa trình phát mẫu liệu. Quá trình tự động hay bán tự động, song phần nhiều bán tự động. Các mẫu phát thường hữu ích theo nghĩa: mẫu mang lại cho người sử dụng lợi đó, thường lợi kinh tế. KPDL giống trình tìm mô tả mẫu liệu. Dữ liệu tập hợp vật hay kiện, đầu trình KPDL dự báo vật hay kiện mới. Trong hoạt động sản xuất, kinh doanh yếu tố thành công đặt lên hàng đầu. Giờ KPDL trở thành hướng nghiên cứu lĩnh vực khoa học máy tính công nghệ tri thức. Do coi mục đích trình KPDL mô tả dự đoán mà mẫu KPDL phát nhằm vào mục đích này. Các dạng liệu khai phá: GVHD: PGS.TS.Đỗ Phúc Trang Luật kết hợp hỗ trợ định cho vay vốn ngân hàng Do KPDL ứng dụng rộng rãi nên có nhiều kiểu liệu khác chấp nhập KPDL. Dưới số kiểu liệu điển hình: CSDL quan hệ : Là CSDL tác nghiệp tổ chức theo mô hình liệu quan hệ ( Oracle, IBM, DB2, MS SQL, v.v .). CSDL đa chiều : Là kho liệu tập hợp chọn lọc từ nhiều nguồn liệu khác nhau. Dạng liệu có mang tính lịch sử (có thuộc tính thời gian) chủ yếu phục vụ cho trình phân tích khai phá tri thức nhằm hỗ trợ trình định. CSDL dạng giao dịch: Là dạng CSDL tác nghiệp, ghi thường giao dịch. Dạng liệu phổ biến lĩnh vực thương mại ngân hàng, ví dụ: liệu giao dịch toán ngân hàng,v.v. Dữ liệu không gian thời gian : Là dạng liệu có tích hợp thuộc tính không gian(ví dụ: liệu đồ) thời gian (ví dụ: liệu thị trường chứng khoán). CSDL quan hệ-hướng đối tượng : Là dạng CSDL lai hai mô hình quan hệ hướng đối tượng. CSDL đa phương tiện : Dữ liệu âm thanh, hình ảnh, phim ảnh, text web v.v .Dạng liệu phổ biến Internet ứng dụng rộng rãi nó. 2. Khai phá liệu sử dụng luật kết hợp Phương pháp nhằm phát luật kết hợp thành phần liệu sở liệu. Mẫu đầu giải thuật khai phá liệu tập luật kết hợp tìm được. Ta lấy số ví dụ đơn giản luật kết hợp sau: Sự kết hợp hai thành phần A B có nghĩa xuất A ghi kéo theo xuất B ghi đó: A ⇒ B. Cho lược đồ R = {A1,…Ap} thuộc tính với miền giá trị {0,1}, quan hệ r R. Một tập luật kết hợp r mô tả dạng X ⇒ B với X ⊆ R B∈R\X. Về mặt trực giác, ta phát biểu ý nghĩa luật sau: ghi bảng r có giá trị thuộc tính thuộc X giá trị thuộc tính B GVHD: PGS.TS.Đỗ Phúc Trang Luật kết hợp hỗ trợ định cho vay vốn ngân hàng ghi đó. Ví dụ ta có tập sở liệu mặt hàng bán siêu thị, dòng tương ứng với ngày bán hàng, cột tương ứng với mặt hàng giá trị ô (20/10, bánh mì) xác định bánh mì bán ngày hôm kéo theo xuất giá trị ô (20/10, bơ). Cho W⊆R, đặt s(W,r) tần số xuất W r tính tỷ lệ dòng r có giá trị cột thuộc W. Tần số xuất luật X ⇒ B r định nghĩa s(X∪{B},r) gọi độ hỗ trợ luật, độ tin cậy luật s(X∪{B},r)/s(X,r), X gồm nhiều thuộc tính, B giá trị không cố định. Nhờ mà không xảy việc tạo luật không mong muốn trước trình tìm kiếm bắt đầu. Điều cho thấy không gian tìm kiếm có kích thước tăng theo hàm mũ số lượng thuộc tính đầu vào. Do cần phải ý thiết kế liệu cho việc tìm kiếm luật kết hợp. Nhiệm vụ việc phát luật kết hợp phải tìm tất luật X ⇒ Y cho tần số luật không nhỏ ngưỡng σ cho trước độ tin cậy luật không nhỏ ngưỡng θ cho trước. Từ sở liệu ta tìm hàng nghìn chí hàng trăm nghìn luật kết hợp. Ta gọi tập X ⊆ R phổ biến r thoả mãn điều kiện s(X,r) ≥ σ. Nếu biết tất tập phổ biến r việc tìm kiếm luật kết hợp dễ dàng. Vì vậy, giải thuật tìm kiếm luật kết hợp trước tiên tìm tất tập phổ biến này, sau tạo dựng dần luật kết hợp cách ghép dần tập thuộc tính dựa mức độ phổ biến. GVHD: PGS.TS.Đỗ Phúc Trang Luật kết hợp hỗ trợ định cho vay vốn ngân hàng CHƯƠNG - ỨNG DỤNG LUẬT KẾT HỢP TRONG HỖ TRỢ RA QUYẾT ĐỊNH CHO VAY VỐN CỦA NGÂN HÀNG 1. Luật kết hợp 1.1 Khái niệm luật luật kết hợp. Định nghĩa hệ luật dẫn : Trong modul chương trình xử lý thông tin vấn đề nằm nhớ tạm thời thông qua CSDL chứa luật dẫn phận suy diễn để suy thông tin mới. Mô hình hệ luật dẫn bao gồm phận chính: Cơ sở tri thức : tập luật dẫn, mô hình nhớ lâu bền người. Bộ nhớ tạm thời (bộ nhớ hoạt động): chứa đựng kiện khởi đầu vấn đề kiện có từ suy diễn, mô hình nhớ tạm thời người. Động suy diễn: mô hình hoá lập luận người cách kết hợp kiện vấn đề với luật CSTT để suy diễn thông tin mới. Trong CSTT với trạng thái kiện nhớ hoạt động phận lập luận động suy diễn. Khi luật phát tác kết luận đưa vào nhớ hoạt động thành kiện trình lặp lại liên tục đến lặp điều kiện dừng hệ thống ( luật thoả mãn điều kiện có, hay không phát sinh thêm tập mục phổ biến, thông tin mới…). Mô tả hệ luật dẫn: Các luật dẫn gọi luật IF THEN mệnh đề có dạng LHS=>RHS LHS xác định điều kiện hoàn cảnh phải thoả mãn cho luật áp dụng, RHS tác động phải xảy luật áp dụng. 1.2. Một số tính chất tập mục phổ biến luật kết hợp 1.2.1. Một số tính chất với tập mục phổ biến: Giả sử A B tập mục phổ biến, tính chất tập mục phổ biến sau: (1) Tính chất : Nếu A ⊆ B supp(A) ≥ supp(B). Vì tất tác vụ D hỗ trợ B hỗ trợ A. GVHD: PGS.TS.Đỗ Phúc Trang Luật kết hợp hỗ trợ định cho vay vốn ngân hàng (2) Tính chất 2: Một tập chứa tập không phổ biến tập không phổ biến (nếu A không phổ biến B không phổ biến). Chứng minh: Nếu A⊆ B supp(A) ≥ supp(B) (theo tính chất 1) mà supp(A)supp(X∪Y) supp(Y)>supp(X∪Y) hai luật riêng biệt không đủ độ tin cậy Tuy nhiên, đảo lại: X → Y ∪ Z ⇒ X → Y ∧ X → Z Tính chất : Các luật kết hợp tính chất bắc cầu. Nếu X → Y Y → Z suy X →Z. GVHD: PGS.TS.Đỗ Phúc Trang Luật kết hợp hỗ trợ định cho vay vốn ngân hàng Ví dụ: Giả sử T(X)⊂(T(Y)⊂(T(Z) tương ứng tập tác vụ chứa X,Y,Z độ tin cậy cực tiểu minconf, conf(X→Y)=conf(Y→Z)=minconf thì: conf(X→Z)=minconf2 CHO VAY=C 12 conf:(0.92) 3. CON=1_con THE CHAP=K 13 ==> CHO VAY=C 12 conf:(0.92) 4. CON=1_con XE=K 12 ==> CHO VAY=C 11 conf:(0.92) 5. CON=1_con TKTK=C TK_HIEN TAI=C 12 ==> CHO VAY=C 11 conf: (0.92) 6. CON=1_con TK_HIEN TAI=C THE CHAP=K 12 ==> CHO VAY=C 11 conf:(0.92) 7. CON=0_con TKTK=C THE CHAP=C 12 ==> CHO VAY=K 11 conf:(0.92) Kết quả: Tạo luật kết hợp: 1. CON=1_con TK_HIEN TAI=C 16 ==> CHO VAY=C 15 conf:(0.94) 2. CON=1_con TKTK=C 13 ==> CHO VAY=C 12 conf:(0.92) 3. CON=1_con THE CHAP=K 13 ==> CHO VAY=C 12 conf:(0.92) 4. CON=1_con XE=K 12 ==> CHO VAY=C 11 conf:(0.92) 5. CON=1_con TKTK=C TK_HIEN TAI=C 12 ==> CHO VAY=C 11 conf: (0.92) 6. CON=1_con TK_HIEN TAI=C THE CHAP=K 12 ==> CHO VAY=C11 conf:(0.92) 7. CON=0_con TKTK=C THE CHAP=C 12 ==> CHO VAY=K 11 conf:(0.92) Như vậy, thông qua kết lần khảo sát trước đó, luật kết hợp sinh từ phần mềm sử dụng cho lần cho vay tiếp theo. Chẳng hạn, với độ tin cậy 94%, khách hàng có có tài khoản tại ngân hàng cho vay (Luật 1). Hoặc, với độ tin cậy 92% khách hàng chưa có có tài khoản tiết kiệm có tài khoản chấp không cho vay (Luật 7). GVHD: PGS.TS.Đỗ Phúc Trang 16 Luật kết hợp hỗ trợ định cho vay vốn ngân hàng CHƯƠNG - KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 1. Kết luận Do số lượng liệu thực tế không nhiều nên kết dựa độ bao phủ 10%. Nếu số lượng ghi liệu nhiều hơn, kết luật rút trở nên xác mang tính đại diện tốt nhiều. Việc khai thác luật kết hợp dựa định khứ đưa luật tin cậy, làm tiền đề cho định tương tự tương lai. Bài seminar trình bày được: – Các loại tri thức sở liệu kỹ thuật khai thác chúng để hỗ trợ định. – Trình bày vả khái niệm , định nghĩa, tính chất luật kết hợp, cách xác định độ hỗ trợ tập luật độ tin cậy nó. – Trình bày số chức Weka – Xây dựng ứng dụng dựa Weka để định xem có cho khách hàng vay vốn không. Do thời gian hạn hẹp nên trình xây dựng ứng dụng tìm hiểu có nhiều hạn chế: – Chưa khảo sát thực tế hệ thống cho vay vốn ngân hàng – Dữ liệu tự phát số lượng nên chưa thấy hết khả chương trình Weka – Chưa so sánh tốc độ chạy nạp liệu thuật toán 2. Hướng phát triển – Cố gắng khắc phục khó khăn – Xây dựng module tích hợp vào Weka – Tìm hiểu tất chức Weka GVHD: PGS.TS.Đỗ Phúc Trang 17 Luật kết hợp hỗ trợ định cho vay vốn ngân hàng TÀI LIỆU THAM KHẢO [1] Đỗ Phúc. “Chuyên đề: Ứng dụng Business Intelligence vào ERP nhằm hỗ trợ định.” 2014 [2] Arora, Jyoti, Nidhi Bhalla, and Sanjeev Rao. "A Review on Association Rule Mining Algorithms." IJIRCCE International Journal of Innovative Research in Computer and Communication Engineering 1.5 (2013). [3] Maragatham, G., and M. Lakshmi. "A Recent Review on Association Rule Mining." Computer Science & Engg Department, Sathyabama University, Chennai, Tamil Nadu, India (2012). [4] Liao, Shu-Hsien, Pei-Hui Chu, and Pei-Yuan Hsiao. "Data mining techniques and applications–A decade review from 2000 to 2011." Expert Systems with Applications 39.12 (2012): 11303-11311. GVHD: PGS.TS.Đỗ Phúc Trang 18 Luật kết hợp hỗ trợ định cho vay vốn ngân hàng BẢNG TỔNG HỢP Ý KIẾN NHẬN XÉT ĐỀ TÀI STT 10 11 12 13 14 15 16 17 18 19 20 21 Họ Huỳnh Ngọc Hồ Công Chu Thị Huỳnh Đức Phan Quang Nguyễn Thị Thùy Nguyễn Thành Nguyễn Hoàng Bùi Bá Lê Hữu Mai Hoàng Mai Trung Nguyễn Quốc Dương Thị Xuân Trần Lệ Trương Trí Trần Thanh Nguyễn Hồ Duy Nguyễn Hồ Duy Hứa Phước Tôn Thất Kỳ TRUNG BÌNH STT Họ Tên Ca Hoài Huế Huy Huy Linh Luân Ngân Nguyên Tài Thắng Thành Thành Thoại Thủy Tín Trâm Tri Trí Trường Văn Đánh giá 9.5 9 9 8.5 9 8.5 9.5 9 9 8.5 7.5 10 9.0 Tên Huỳnh Ngọc Ca Hồ Công Hoài 4.5 Đúng nội dung sát. Giới thiệu Weka cần tập trung demo để thấy kết Chu Thị Huế Tiêu đề dài, tóm gọn phần nội dung khai phá liệu. Demo chi tiết cách thức xử lý liệu dùng Weka. Chưa nêu rõ mục đích kết demo Huỳnh Đức Huy Nội dung ứng dụng cao. Trình bày tiền xử lý liệu dễ hiểu. Chưa kết luận tính ứng dụng Phan Quang Huy Đúng, đầy đủ. Cần tập trung vào vấn đề để làm rõ toán Nguyễn Thị Thùy Linh Nội dung với tiêu đề. Chưa thể luật cụ thể, tác động vào cho vay Nguyễn Thành Luân Demo trình bày phức tạp sử dụng Weka Nguyễn Hoàng Ngân 4.5 Nội dung tiêu đề chưa rõ ràng. Cần flow trình bày mạch lạc Bùi Bá Nguyên Demo chưa thể hết tiêu đề. Chưa rõ ràng phần đặt vấn đề giải toán GVHD: PGS.TS.Đỗ Phúc Đánh giá Nội dung trình bày đầy đủ, rõ ràng slide chữ nhiều Trang 19 Luật kết hợp hỗ trợ định cho vay vốn ngân hàng Lê Hữu Tài 11 Mai Hoàng Thắng 4.5 Nội dung trình bày phù hợp, thiếu demo mẫu 12 Mai Trung Thành 4.5 Tốt, có demo weka 13 Nguyễn Quốc Thành Đúng sát tiêu đề. Giới thiệu Weka 14 Dương Thị Xuân Thoại Trình bày phần nội dung. Demo chưa đầy đủ chức 15 Trần Lệ Thủy Còn thiếu so với tiêu đề 16 Trương Trí Tín 17 Trần Thanh Trâm 18 Nguyễn Hồ Duy Tri 4.5 Nội dung đầy đủ. Phần demo chưa làm bật việc định 19 Nguyễn Hồ Duy Trí Hơi lang mang, dài dòng. Bài toán thực tiễn hấp dẫn 20 Hứa Phước Trường 21 Tôn Thất Kỳ Văn Họ 4.5 4.5 Đúng với tiêu đề, nội dung chi tiết. Chương trình hay chưa đưa định Nội dung trình bày đúng, demo Weka. Chưa có minh họa luật cụ thể, định cho vay hay không Nội dung nhiều, phong phú cần trọng tâm Chưa với tiêu đề. Bố cục rõ ràng. Số liệu thực tế. Chưa giới thiệu lọc. Chưa có kết cuối 4.2 TRUNG BÌNH (01) STT Cần thu nhỏ phạm vi đề tài. Thiếu quy trình để đưa định 10 Tên Đánh giá Huỳnh Ngọc Ca Hồ Công Hoài Tài liệu phong phú Chu Thị Huế Tài liệu phong phú Huỳnh Đức Huy Đầy đủ Phan Quang Huy Đầy đủ Nguyễn Thị Thùy Linh Tài liệu tham khảo phong phú Nguyễn Thành Luân Mới, có paper Nguyễn Hoàng Ngân Tài liệu mới, phong phú Bùi Bá Nguyên Tài liệu phong phú, 10 Lê Hữu Tài Phong phú, đầy đủ, 11 Mai Hoàng Thắng Tài liệu phong phú 12 Mai Trung Thành Tài liệu tham khảo 13 Nguyễn Quốc Thành Tài liệu phong phú 14 Dương Thị Xuân Thoại Tài liêu mới, đa dạng 15 Trần Lệ Thủy Khá phong phú GVHD: PGS.TS.Đỗ Phúc 0.5 Tài liệu tham khảo mới, chưa đầy đủ Trang 20 Luật kết hợp hỗ trợ định cho vay vốn ngân hàng 16 Trương Trí Tín Tài liệu tham khảo đầy đủ 17 Trần Thanh Trâm Tài liệu tham khảo có tính 18 Nguyễn Hồ Duy Tri Mới, đầy đủ 19 Nguyễn Hồ Duy Trí Mới, phong phú 20 Hứa Phước Trường Tài liệu tham khảo đầy đủ 21 Tôn Thất Kỳ Văn Đầy đủ. Có tài liệu TRUNG BÌNH (02) STT 10 11 12 13 14 15 16 17 18 19 20 21 Họ Tên Huỳnh Ngọc Ca Hồ Công Hoài Chu Thị Huế Huỳnh Đức Huy Phan Quang Huy Nguyễn Thị Thùy Linh Nguyễn Thành Luân Nguyễn Hoàng Ngân Bùi Bá Nguyên Lê Hữu Tài Mai Hoàng Thắng Mai Trung Thành Nguyễn Quốc Thành Dương Thị Xuân Thoại Trần Lệ Thủy Trương Trí Tín Trần Thanh Trâm Nguyễn Hồ Duy Tri Nguyễn Hồ Duy Trí Hứa Phước Trường Tôn Thất Kỳ Văn TRUNG BÌNH (03) STT Họ Tên Huỳnh Ngọc Ca Hồ Công Hoài Chu Thị Huế Huỳnh Đức Huy Phan Quang Huy Nguyễn Thị Thùy Linh Nguyễn Thành Luân Nguyễn Hoàng Ngân Bùi Bá Nguyên 10 Lê Hữu Tài 11 Mai Hoàng Thắng 12 Mai Trung Thành 13 Nguyễn Quốc Thành GVHD: PGS.TS.Đỗ Phúc 1.0 1 1 1 1 1 1 1 1 1 0.5 1 1.0 0.5 1 1 0.5 0.5 1 1 Đánh giá Trang chiếu đẹp, rõ ràng Slide đẹp, rõ ràng, có ví dụ minh họa Slide đầy đủ, đẹp mắt, với nội dung Rõ ràng, đầy đủ Đẹp rõ ràng Đẹp rõ ràng Rõ ràng bắt mắt Slide rõ ràng Slide rõ ràng, đẹp Đẹp rõ ràng đầy đủ Slide rõ ràng Slide đẹp Đẹp, dễ nhìn Slide rõ ràng, dễ nhìn Đẹp Trang chiếu rõ ràng, có chữ Slide đẹp rõ ràng Trang chiếu bố trí hợp lý, gọn gàng, bắt mắt Slide nhiều chữ Trang chiếu trình bày rõ ràng Sáng, đẹp. Chưa có trọng tâm Đánh giá Trình bày tự tin, rõ ràng Trình bày tương đối rõ ràng, tự tin Trình bày tự tin Trình bày rõ ràng, dễ hiểu Tự tin, hấp dẫn Trình bày tự tin, run Trình bày tự tin Trình bày thiếu tự tin Trình bày lôi cuốn, thiếu tự tin Trình bày chưa tự tin Trình bày tốt, rõ ràng Tự tin, rõ ràng Trình bày mạch lạc Trang 21 Luật kết hợp hỗ trợ định cho vay vốn ngân hàng 14 15 Dương Thị Xuân Trần Lệ Thoại Thủy 1 16 Trương Trí Tín 17 18 19 20 21 Trần Thanh Trâm Nguyễn Hồ Duy Tri Nguyễn Hồ Duy Trí Hứa Phước Trường Tôn Thất Kỳ Văn TRUNG BÌNH (04) Họ Tên Huỳnh Ngọc Ca Hồ Công Hoài Chu Thị Huế Huỳnh Đức Huy Phan Quang Huy Nguyễn Thị Thùy Linh Nguyễn Thành Luân Nguyễn Hoàng Ngân Bùi Bá Nguyên Lê Hữu Tài Mai Hoàng Thắng Mai Trung Thành Nguyễn Quốc Thành Dương Thị Xuân Thoại Trần Lệ Thủy Trương Trí Tín Trần Thanh Trâm Nguyễn Hồ Duy Tri Nguyễn Hồ Duy Trí Hứa Phước Trường 1 0.5 1 0.9 Tôn Thất Kỳ 1.5 STT 10 11 12 13 14 15 16 17 18 19 20 21 Văn TRUNG BÌNH (05) GVHD: PGS.TS.Đỗ Phúc 2 2 1.5 2 2 1.5 2 2 1.5 1.5 1.5 Trình bày rõ ràng Tự tin Trình bày chi tiết. Nói rõ ràng chưa tập trung Trình bày tự tin, rõ ràng, run Trình bày tự tin, giọng nói lôi Chưa tự tin, đều Trình bày hấp dẫn, tự tin Giọng nói to rõ ràng, sau yếu Đánh giá Câu trả lời đúng, rõ ràng Trả lời đầy đủ Trả lời thỏa đáng Trả lời thỏa đáng, đầy đủ, ngắn gọn Thỏa đáng Trả lời đủ câu hỏi, chưa rõ Trả lời thỏa đáng Trả lời câu hỏi Trả lời đầy đủ, trọng tâm Trả lời đầy đủ câu hỏi Trả lời đủ Đúng, đầy đủ Trả lời đầy đủ, Tốt Trả lời đầy đủ, rõ ràng Trả lời đủ câu hỏi, chưa thỏa đáng Trả lời thỏa đáng câu hỏi đưa Đầy đủ, thỏa đáng Demo chi tiết, nhiều sử dụng phần mềm. Trả lời tốt 1.9 Trang 22 [...]... 16 ==> CHO VAY= C 15 conf:(0.94) GVHD: PGS.TS.Đỗ Phúc Trang 15 Luật kết hợp trong hỗ trợ ra quyết định cho vay vốn của ngân hàng 2 CON=1_con TKTK=C 13 ==> CHO VAY= C 12 conf:(0.92) 3 CON=1_con THE CHAP=K 13 ==> CHO VAY= C 12 conf:(0.92) 4 CON=1_con XE=K 12 ==> CHO VAY= C 11 conf:(0.92) 5 CON=1_con TKTK=C TK_HIEN TAI=C 12 ==> CHO VAY= C 11 conf: (0.92) 6 CON=1_con TK_HIEN TAI=C THE CHAP=K 12 ==> CHO VAY= C... không cho vay (Luật 7) GVHD: PGS.TS.Đỗ Phúc Trang 16 Luật kết hợp trong hỗ trợ ra quyết định cho vay vốn của ngân hàng CHƯƠNG 3 - KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 1 Kết luận Do số lượng dữ liệu thực tế không nhiều nên kết quả chỉ dựa trên độ bao phủ 10% Nếu số lượng bản ghi dữ liệu nhiều hơn, kết quả các luật rút ra sẽ trở nên chính xác và mang tính đại diện tốt hơn rất nhiều Việc khai thác luật kết hợp. .. trên các quyết định quá khứ có thể đưa ra được các luật tin cậy, làm tiền đề cho các quyết định tương tự trong tương lai Bài seminar đã trình bày được: – Các loại tri thức trong cơ sở dữ liệu và kỹ thuật khai thác chúng để hỗ trợ quyết định – Trình bày vả khái niệm , định nghĩa, tính chất của luật kết hợp, cách xác định độ hỗ trợ của tập luật và độ tin cậy của nó – Trình bày được một số chức năng trong. .. phục những khó khăn trên – Xây dựng module tích hợp vào Weka – Tìm hiểu tất cả chức năng trong Weka GVHD: PGS.TS.Đỗ Phúc Trang 17 Luật kết hợp trong hỗ trợ ra quyết định cho vay vốn của ngân hàng TÀI LIỆU THAM KHẢO [1] Đỗ Phúc “Chuyên đề: Ứng dụng Business Intelligence vào ERP nhằm hỗ trợ ra quyết định. ” 2014 [2] Arora, Jyoti, Nidhi Bhalla, and Sanjeev Rao "A Review on Association Rule Mining Algorithms."... trị sẽ không được sử dụng đến là 1, 2, 3, để loại bỏ những giá trị này ta luu bảng dữ liệu lại với định dạng CSV rồi mở lại một lần nữa, lúc này các giá trị 1,2,3 đã bị loại bỏ GVHD: PGS.TS.Đỗ Phúc Trang 13 Luật kết hợp trong hỗ trợ ra quyết định cho vay vốn của ngân hàng 2.3 Associate (Tạo luật kết hợp) Trong vùng Associator, bên phải button xuất hiện dòng chữ Apriori -N 10 -T 0 -C 0.9 -D 0.05 -U 1.0... trị Thap (Thấp), TB (Trung bình), Cao (Cao) GVHD: PGS.TS.Đỗ Phúc Trang 11 Luật kết hợp trong hỗ trợ ra quyết định cho vay vốn của ngân hàng Bước 1: Chọn mục MathExpression trong cây thư mục rồi thiết lập các thông số trong hộp thoại của nó như sau: Click vào để hoàn thành Tiếp đó click vào để thực hiện Bước 2: Chuyển đổi kiểu dữ liệu của trường THU NHAP sang kiểu Nominal Sử dụng mục NumericToNominal... Click Ok sau đó click vào button để tạo luật kết hợp, kết quả sẽ hiện thị ở vùng Associator output như sau: === Run information === Scheme: weka.associations.Apriori -N 10 -T 0 -C 0.9 -D 0.05 -U 1.0 -M 0.1 -S -1.0 -A -c -1 Relation: BANK-DATA-SUA Instances: 101 Attributes: 11 GVHD: PGS.TS.Đỗ Phúc Trang 14 Luật kết hợp trong hỗ trợ ra quyết định cho vay vốn của ngân hàng TUOI GIOI TINH KHU VUC THU NHAP... AddValues ở cây thư mục và thiết lập các thông số trong hộp thoại của nó như sau: Bước 4: Click vào button ở phía trên vùng Filter, sẽ xuất hiện một bảng dữ liệu như sau: GVHD: PGS.TS.Đỗ Phúc Trang 12 Luật kết hợp trong hỗ trợ ra quyết định cho vay vốn của ngân hàng Click chuột phải vào thuộc tính THU NHAP rồi thực hiện tương tự như trên – Chuyển đổi kiểu dữ liệu của thuộc tính CON thanh kiểu Nominal với 3... CON=0_con TKTK=C THE CHAP=C 12 ==> CHO VAY= K 11 conf:(0.92) Như vậy, thông qua kết quả của các lần khảo sát trước đó, các luật kết hợp được sinh ra từ phần mềm có thể được sử dụng cho các lần cho vay tiếp theo Chẳng hạn, với độ tin cậy 94%, nếu khách hàng có 1 con và có tài khoản hiện tại tại ngân hàng thì có thể cho vay (Luật 1) Hoặc, với độ tin cậy 92% nếu khách hàng chưa có con và có tài khoản tiết... 12 ==> CHO VAY= K 11 conf:(0.92) Kết quả: Tạo được 7 luật kết hợp: 1 CON=1_con TK_HIEN TAI=C 16 ==> CHO VAY= C 15 conf:(0.94) 2 CON=1_con TKTK=C 13 ==> CHO VAY= C 12 conf:(0.92) 3 CON=1_con THE CHAP=K 13 ==> CHO VAY= C 12 conf:(0.92) 4 CON=1_con XE=K 12 ==> CHO VAY= C 11 conf:(0.92) 5 CON=1_con TKTK=C TK_HIEN TAI=C 12 ==> CHO VAY= C 11 conf: (0.92) 6 CON=1_con TK_HIEN TAI=C THE CHAP=K 12 ==> CHO VAY= C11 . PGS.TS.Đỗ Phúc Trang 6 Luật kết hợp trong hỗ trợ ra quyết định cho vay vốn của ngân hàng CHƯƠNG 2 - ỨNG DỤNG LUẬT KẾT HỢP TRONG HỖ TRỢ RA QUYẾT ĐỊNH CHO VAY VỐN CỦA NGÂN HÀNG 1. Luật kết hợp 1.1 Khái. Luật kết hợp trong hỗ trợ ra quyết định cho vay vốn của ngân hàng ĐẠI HỌC QUỐC GIA TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN  LUẬT KẾT HỢP TRONG HỖ TRỢ RA QUYẾT ĐỊNH CHO VAY VỐN CỦA NGÂN HÀNG Giảng. Trang 1 Luật kết hợp trong hỗ trợ ra quyết định cho vay vốn của ngân hàng MỤC LỤC 1. Luật kết hợp 7 1.1 Khái niệm về luật và luật kết hợp 7 1.2. Một số nh chất của tập mục phổ biến và luật kết