基于聚類分析的ＡＴＭ機(jī)日存放貨幣數(shù)量預(yù)測(cè)

[摘 要]本文采用聚類算法對(duì)ATM機(jī)上的日取用數(shù)量進(jìn)行聚類，之后把每日的日取用數(shù)量替換成聚類類標(biāo)號(hào)，然后再通過EVIEWS軟件，對(duì)這些包含時(shí)間屬性的聚類類標(biāo)號(hào)進(jìn)行回歸，生成回歸方程式，用來預(yù)測(cè)未來的日貨幣存放量。

[關(guān)鍵詞]聚類 EVIEWS 回歸分析 預(yù)測(cè)

一、引言

聚類分析是一種重要的人類活動(dòng)。早在孩提世代，通過不斷地改進(jìn)下意識(shí)的聚類模式來學(xué)習(xí)如何區(qū)分貓和狗，或動(dòng)物和植物。聚類分析已經(jīng)廣泛的應(yīng)用于許多應(yīng)用領(lǐng)域，包括市場(chǎng)研究、模式識(shí)別、數(shù)據(jù)分析和圖像處理。在電子商務(wù)中，聚類分析能夠幫助市場(chǎng)分析人員根據(jù)購(gòu)買模式從顧客庫(kù)中發(fā)現(xiàn)不同的顧客群。在生物學(xué)中，聚類能用來推到植物和動(dòng)物的分類，根據(jù)相似功能對(duì)基因進(jìn)行分類，獲得對(duì)種群中固有結(jié)構(gòu)的認(rèn)識(shí)。聚類可以定義如下：基于數(shù)據(jù)的相似性把數(shù)據(jù)集合劃分成組。相對(duì)于數(shù)據(jù)分類而言，聚類是觀察式學(xué)習(xí)，他不需要事先指定，而是根據(jù)自己的觀察得出組信息。

各個(gè)銀行網(wǎng)點(diǎn)每日需要的貨幣數(shù)量是一個(gè)不確定的值，既不能在銀行存放過多貨幣，也不能讓客戶來銀行取款時(shí)無(wú)錢可取，ATM機(jī)器也是一樣。在無(wú)錢可取時(shí)，銀行必須得雇用保安公司或者警察押送貨幣，如果某一天的貨幣數(shù)量不夠，那么因?yàn)檠核投嘀Ц督o保安公司或警察的錢就會(huì)增加，對(duì)于銀行來說，這是一筆很大的負(fù)擔(dān)。要非常準(zhǔn)確的預(yù)測(cè)下一天的貨幣使用量，這個(gè)將會(huì)是一個(gè)很困難的問題，但是，如果要預(yù)測(cè)下一天的貨幣使用范圍，這個(gè)還是有一定的可行性的。

本文就是首先對(duì)一個(gè)ATM機(jī)器上的日貨幣使用量進(jìn)行聚類，把日貨幣量劃分為幾個(gè)類別，例如:60萬(wàn)到70萬(wàn)之間為一類，70萬(wàn)到80萬(wàn)之間為一類。在聚類完成以后，把每日的貨幣使用量采用類標(biāo)號(hào)來代替，然后通過EVIEWS進(jìn)行回歸分析，來進(jìn)行預(yù)測(cè)下一天的貨幣使用范圍。

二、聚類分析

本文是通過K-MEANS來進(jìn)行聚類。該算法如下圖所示:

當(dāng)我們把聚類數(shù)量設(shè)置為10時(shí)，簇中心為下表所示。

得到以上聚類結(jié)果后，參考了銀行專業(yè)人士的意見，每次運(yùn)鈔應(yīng)該是一個(gè)整的單位，不會(huì)是出現(xiàn)小數(shù)，故在這里以50萬(wàn)作為基準(zhǔn)，由此可以把聚類結(jié)果分為50萬(wàn)以下，50到100萬(wàn)，100萬(wàn)到150萬(wàn)，150萬(wàn)到200萬(wàn)，200萬(wàn)到300萬(wàn)，300萬(wàn)以上。

三、回歸分析

在分別用類標(biāo)號(hào)代替日需貨幣量以后，我們通過EVIEWS進(jìn)行回歸分析。拿最新的數(shù)據(jù)作為預(yù)測(cè)數(shù)據(jù)，實(shí)驗(yàn)結(jié)果顯示，準(zhǔn)確率可以達(dá)到70%以上。

四、結(jié)論

在對(duì)ATM機(jī)的日貨幣量采用聚類做預(yù)處理以后，再通過EVIEWS進(jìn)行回歸分析以后，發(fā)現(xiàn)預(yù)測(cè)效果達(dá)到了70%（目前正在實(shí)施的預(yù)測(cè)方法的準(zhǔn)確率僅為50%），說明該預(yù)測(cè)方法有可行性，在一定程度上減少了因?yàn)轭A(yù)測(cè)的不準(zhǔn)確導(dǎo)致產(chǎn)生的費(fèi)用。

因?yàn)槟壳爸挥幸粋€(gè)ATM機(jī)器的數(shù)據(jù)，該算法的有效性還應(yīng)根據(jù)多個(gè)ATM機(jī)器上進(jìn)行反復(fù)測(cè)試，在證明算法有效以后，真正拿去實(shí)施應(yīng)用。但這個(gè)預(yù)測(cè)的方法可以供參考，也可以采用這種方法預(yù)測(cè)其他數(shù)據(jù)。

參考文獻(xiàn):

[1]辛愛莉:聚類算法在電子商務(wù)客戶細(xì)分中的應(yīng)用[J].商場(chǎng)現(xiàn)代化，2008.02 p164

[2]葛繼科:數(shù)據(jù)挖掘技術(shù)在個(gè)人信用評(píng)估模型中的應(yīng)用[J].計(jì)算機(jī)技術(shù)與發(fā)展，2006.12pp172～174 p177

[3]JiaWeiHan范 明 孟曉峰:數(shù)據(jù)挖掘概念與技術(shù)[M].機(jī)械工業(yè)出版社，2006

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文