基于数据挖掘的商业银行贷款信用评级
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-11页 |
| ·本文的研究背景与意义 | 第7-9页 |
| ·商业银行的风险管理 | 第7-8页 |
| ·数据挖掘的研究发展 | 第8-9页 |
| ·数据挖掘在风险预测中的研究现状分析 | 第9-10页 |
| ·本文的研究内容和结构安排 | 第10-11页 |
| 2 数据挖掘及决策树的相关研究 | 第11-26页 |
| ·数据挖掘的研究内容 | 第11-14页 |
| ·数据挖掘的定义 | 第11-13页 |
| ·数据挖掘的功能 | 第13-14页 |
| ·数据挖掘的具体过程 | 第14-16页 |
| ·数据预处理 | 第14-15页 |
| ·数据挖掘方法 | 第15-16页 |
| ·模式评估和知识表达 | 第16页 |
| ·决策树的基本概念 | 第16-17页 |
| ·属性选择 | 第17-18页 |
| ·决策树的算法研究 | 第18-22页 |
| ·C4.5算法 | 第19-20页 |
| ·CART算法 | 第20-22页 |
| ·其他常见算法 | 第22页 |
| ·决策树的剪枝 | 第22-23页 |
| ·决策树的预剪枝 | 第23页 |
| ·决策树的后剪枝 | 第23页 |
| ·聚类分析和模糊集合论 | 第23-25页 |
| ·聚类分析 | 第23-24页 |
| ·模糊集合论 | 第24-25页 |
| ·小结 | 第25-26页 |
| 3 改进的C4.5 决策树分类挖掘方法的实现 | 第26-40页 |
| ·基于模糊集和聚类的连续属性离散化 | 第26-32页 |
| ·一维连续属性的聚类 | 第26-30页 |
| ·基于模糊集理论的聚类属性处理 | 第30-32页 |
| ·其他离散化情况 | 第32页 |
| ·模糊离散化后的C4.5决策树构造 | 第32-36页 |
| ·决策树数据的预处理 | 第33-34页 |
| ·算法的属性选择 | 第34页 |
| ·决策树的生成 | 第34-36页 |
| ·数据表达 | 第36-39页 |
| ·小结 | 第39-40页 |
| 4 基于改进决策树的风险预测分级的实现 | 第40-57页 |
| ·风险预测分级的意义和挖掘流程 | 第40-42页 |
| ·风险预测分级的意义 | 第40页 |
| ·风险预测分级的挖掘流程 | 第40-42页 |
| ·风险预测分级的具体实现 | 第42-55页 |
| ·数据准备 | 第42-45页 |
| ·连续属性的模糊离散化 | 第45-50页 |
| ·属性选择 | 第50-52页 |
| ·决策树生成 | 第52-54页 |
| ·数据表达 | 第54-55页 |
| ·实验结果分析 | 第55-56页 |
| ·小结 | 第56-57页 |
| 5 总结与展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
