在大数据时代,以数据挖掘为代表的机器学习方法已经成为统计分析中最热门的技术。数据挖掘近年来发展迅猛,一方面,互联网技术的发展和统计软件的不断更新使得大量功能强大的算法被开发出来;另一方面,数据挖掘算法的发展反过来也促进了数据挖掘工具软件的不断发展。数据挖掘在金融实证、生物制药、基因工程、电子商务等很多领域都有用武之地。在既有数据的基础上利用数据挖掘进行预测分析,是数据挖掘的一个重要的实际应用。本文利用数据挖掘技术,基于客户的基本资料和银行推销行为相关的数据对银行向客户推销理财产品的效果进行分析和预测。所用原始数据是通过网络渠道购买自某商业银行目标用户理财产品推销信息系统中的数据,包括该商业银行的某理财产品在2011-2012年的销售周期内涉及的4496个客户的信息集合。本文首先利用传统的二分类Logistic回归来建立银行理财产品销售情况模型并分析其预测效果,然后运用比较热门的三种数据挖掘分类器:Adaboost、随机森林和支持向量机(SVM)对数据进行进一步的预测,最后通过比较、分析不同分类器的预测结果,并结合不同分类器的优缺点对各种分类预测效果进行分析和总结,试图分析预测结果优劣的原因并提出相关的改进措施。