| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 个人信用评估的文献综述 | 第11-14页 |
| 1.2.1 个人信用评估的国外研究发展与现状 | 第11-12页 |
| 1.2.2 个人信用评估的国内研究发展与现状 | 第12-13页 |
| 1.2.3 文献述评 | 第13-14页 |
| 1.3 研究思路与框架 | 第14-15页 |
| 1.4 创新点与不足之处 | 第15-17页 |
| 1.4.1 创新点 | 第15-16页 |
| 1.4.2 不足之处 | 第16-17页 |
| 第2章 随机森林理论概述 | 第17-28页 |
| 2.1 决策树简介 | 第17-19页 |
| 2.2 Bagging算法简介 | 第19-20页 |
| 2.3 随机森林算法及其理论基础 | 第20-26页 |
| 2.3.1 随机森林算法简介 | 第21页 |
| 2.3.2 随机森林的泛化误差 | 第21-25页 |
| 2.3.3 OOB估计简介 | 第25页 |
| 2.3.4 特征选择 | 第25-26页 |
| 2.4 随机森林的优点及其相关应用 | 第26-28页 |
| 2.4.1 随机森林的优点 | 第26-27页 |
| 2.4.2 随机森林的应用 | 第27-28页 |
| 第3章 个人信用评估及其指标体系构建 | 第28-34页 |
| 3.1 个人信用评估概述 | 第28-29页 |
| 3.1.1 个人信用涵义 | 第28页 |
| 3.1.2 个人信用评估及其应用 | 第28-29页 |
| 3.2 个人信用评估指标体系的构建 | 第29-34页 |
| 3.2.1 个人信用评估指标体系实践现状 | 第29-30页 |
| 3.2.2 个人信用评估指标体系构建原则 | 第30-31页 |
| 3.2.3 个人信用评估指标分类 | 第31-34页 |
| 第4章 基于随机森林的个人信用评估模型 | 第34-48页 |
| 4.1 数据来源及预处理 | 第34-37页 |
| 4.1.1 数据来源 | 第34-35页 |
| 4.1.2 数据预处理 | 第35-37页 |
| 4.2 数据集划分 | 第37-38页 |
| 4.3 基于随机森林的个人信用评估模型构建 | 第38-42页 |
| 4.4 模型优化 | 第42-44页 |
| 4.5 模型效果的ROC曲线评价 | 第44-48页 |
| 4.5.1 ROC曲线的涵义 | 第44-45页 |
| 4.5.2 ROC曲线的绘制 | 第45-46页 |
| 4.5.3 ROC曲线评价 | 第46-48页 |
| 第5章 个人信用评估模型对比分析 | 第48-63页 |
| 5.1 Logistic回归及其在个人信用评估中的应用 | 第48-52页 |
| 5.1.1 Logistic回归概述 | 第48-51页 |
| 5.1.2 基于Logistic回归的个人信用评估模型 | 第51-52页 |
| 5.2 支持向量机及其在个人信用评估中的应用 | 第52-57页 |
| 5.2.1 支持向量机概述 | 第52-55页 |
| 5.2.2 基于支持向量机的个人信用评估模型 | 第55-57页 |
| 5.3 模型结果的进一步验证 | 第57-61页 |
| 5.3.1 基于德国信用数据集的模型对比 | 第57-59页 |
| 5.3.2 基于澳大利亚信用数据集的模型对比 | 第59-61页 |
| 5.4 特征重要性评价 | 第61-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69-75页 |
| 致谢 | 第75页 |