hony

اگر تحلیل لینک بلد هستید می توان با ارتباط بین مشتریان و شعبه ها کلیک ها را استخراج کرد. اینها می توانند گزینه های تقلب باشند. یا با صفات کد شعبه، کد حساب یا زیر نوع حساب، بدهکار یا بستانکار در یک فیلد با علامت منفی و مبلغ و محصول را خوشه بندی یا قوانین انجمنی ان را بدست اورید و با استفاده از ان کشف تقلب کنید. در خوشه بندی به تعدادی خوشه تقسیم کنید و خوشه ای که تعداد رکوردهایش کم است مظنونان تقلب هستند. باید توجه کنید که صفات باید استانداردسازی شوند. یا با اسفاده از قوانینی انجمنی قوانینی که دارای سا÷ورت کم و کانفیدنس بالا با توجه به قوانین دیگر می تواند تقلب را کشف کرد. یا کار دیگر یک تحلیل رفتار مشتری یا فعالیت بانک را انجام دهید

article

ممنون اقای مهدی نصیری
برای اینکه بدهکار یا بستانکار رو بدست بیارم فقط از همین فیلدهایی که گفتید استفاده کنم یا فیلد های دیگه ای هم لازم؟؟؟
فقط از خوشه بندی استفاده کنم؟درخت تصمیم برای کشف جرایم کاربردی نداره؟بجز خوشه بندی از چه الگوریتم دیگه میشه استفاده کرد؟
در ضمن با عرض شرمندگی اگه بخام از weka استفاده کنم میتونم از فایل sql بعنولن ورودی استفاده کنم؟؟؟؟
خیییلی ممنون.

__________________
انسان به دليل نداشتن حوصله، كارش به طلاق مي كشد و بر اثر نداشتن حافظه، دوباره ازدواج مي كند.((مارس گرانشو))

article

سلام اقاي مهدي نصيري.
من با وكا خوشه بندي رو بر روي 4 تا متغيير انجام دادم نتيجه خروجي به صورت زير شد:
Clustered Instances

شماره كلاستر0 1359 ( 2%)
1 30501 ( 47%)
2 1728 ( 3%)
3 20515 ( 31%)
4 2812 ( 4%)
5 6252 ( 10%)
6 2368 ( 4%)
نتجه نموداري ان به ازاي چها متغيير متفاوت در نوع 7 خوشه به صورت زير است:
اين نتايج چه چيزي را نمايش مي دهند؟؟؟؟

عكس ضميمه

	7-01Cluster.JPG (37.5 كيلو بايت, 17 نمايش)
	7-02Cluster.JPG (36.7 كيلو بايت, 9 نمايش)
	7-03Cluster.JPG (32.1 كيلو بايت, 9 نمايش)
	7-04Cluster.JPG (38.6 كيلو بايت, 13 نمايش)

__________________
انسان به دليل نداشتن حوصله، كارش به طلاق مي كشد و بر اثر نداشتن حافظه، دوباره ازدواج مي كند.((مارس گرانشو))