统计学习方法在信用卡违约行为预测上的应用研究

摘要	第5-7页
英文摘要	第7-11页
第一章 绪论	第11-20页
第一节 研究背景及意义	第11-16页
第二节 待解决问题及研究思路	第16-18页
第三节 可能的创新与不足	第18-20页
第二章 文献综述	第20-26页
第一节 信用风险成因	第20-22页
第二节 信用风险管理措施	第22-23页
第三节 统计学习方法在信用风险预测中的应用	第23-25页
第四节 文献评述	第25-26页
第三章 研究内容及评估方法	第26-34页
第一节 研究数据集内容	第26-28页
第二节 交易特征提取	第28-30页
第三节 模型评估方法	第30-34页
第四章 基于统计学习方法的违约预测	第34-65页
第一节 方案设计与应用流程	第34-36页
第二节 基于逻辑回归(LR)的违约预测	第36-42页
一、逻辑回归基本原理	第36-39页
二、实证结果	第39-42页
第三节 基于支持向量机(SVM)的违约预测	第42-49页
一、支持向量机基本原理	第42-47页
二、实证结果	第47-49页
第四节 基于随机森林(RF)的违约预测	第49-56页
一、随机森林基本原理	第49-52页
二、实证结果	第52-56页
第五节 基于梯度提升树(GBDT)的违约预测	第56-62页
一、梯度提升树基本原理	第56-59页
二、实证结果	第59-62页
第六节 不同模型性能对比	第62-63页
第七节 本章小结	第63-65页
第五章 结论及启示	第65-68页
第一节 总结	第65-66页
第二节 启示	第66-68页
参考文献	第68-71页
致谢	第71-72页