Spark平台下的基于随机森林算法的用户贷款风险预测研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 研究目标与研究方法 | 第11-12页 |
| 1.4 研究内容 | 第12页 |
| 1.5 论文的组织 | 第12-14页 |
| 第二章 相关理论及技术基础 | 第14-20页 |
| 2.1 分类算法 | 第14-15页 |
| 2.1.1 决策树算法 | 第14页 |
| 2.1.2 随机森林算法 | 第14-15页 |
| 2.1.3 XGBoost算法 | 第15页 |
| 2.2 模型融合方法 | 第15-16页 |
| 2.3 Spark计算平台 | 第16-19页 |
| 2.3.1 ApacheSpark大数据平台简介 | 第16页 |
| 2.3.2 Spark的组件 | 第16-17页 |
| 2.3.3 Spark的RDD | 第17页 |
| 2.3.4 Spark的MLlib | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 用户贷款风险预测模型设计 | 第20-26页 |
| 3.1 用户贷款风险评估指标体系 | 第20-21页 |
| 3.1.1 贷款风险分析 | 第20页 |
| 3.1.2 贷款风险评估指标 | 第20-21页 |
| 3.2 随机森林模型 | 第21-25页 |
| 3.2.1 决策树 | 第21-24页 |
| 3.2.2 随机森林并行化 | 第24-25页 |
| 3.3 本章小结 | 第25-26页 |
| 第四章 用户贷款风险等级预测模型实现 | 第26-42页 |
| 4.1 Spark平台搭建 | 第26-29页 |
| 4.1.1 Linux系统配置 | 第26-27页 |
| 4.1.2 Spark平台搭建 | 第27-28页 |
| 4.1.3 Scala环境搭建 | 第28-29页 |
| 4.2 数据准备 | 第29-35页 |
| 4.2.1 数据获取 | 第29-30页 |
| 4.2.2 数据预处理 | 第30页 |
| 4.2.3 特征提取 | 第30-33页 |
| 4.2.4 特征选择 | 第33-35页 |
| 4.3 数据导入Spark平台 | 第35-37页 |
| 4.3.1 数据导入 | 第35-36页 |
| 4.3.2 数据解析 | 第36-37页 |
| 4.4 Spark平台下随机森林并行化 | 第37-39页 |
| 4.5 模型优化 | 第39-41页 |
| 4.5.1 参数调优 | 第39页 |
| 4.5.2 模型选择 | 第39-41页 |
| 4.6 本章小结 | 第41-42页 |
| 第五章 实验结果分析 | 第42-47页 |
| 5.1 实验描述 | 第42-44页 |
| 5.1.1 实验环境 | 第42页 |
| 5.1.2 实验数据 | 第42-43页 |
| 5.1.3 评估标准 | 第43-44页 |
| 5.2 实验结果及分析 | 第44-46页 |
| 5.3 本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 在学期间公开发表论文及著作情况 | 第53页 |
