P2P网络借贷违约的随机森林预测模型
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究意义 | 第8-9页 |
| 1.3 研究目的 | 第9页 |
| 1.4 国内外研究现状 | 第9-10页 |
| 1.5 研究内容 | 第10-12页 |
| 2 P2P网络借贷理论阐述 | 第12-18页 |
| 2.1 P2P网络借贷的涵义 | 第12-13页 |
| 2.1.1 P2P网络借贷的概念 | 第12页 |
| 2.1.2 P2P网络借贷的优势和劣势 | 第12-13页 |
| 2.2 P2P网络借贷违约风险概述 | 第13-15页 |
| 2.2.1 网络借贷的违约风险界定 | 第13-14页 |
| 2.2.2 网络借贷的违约风险成因 | 第14-15页 |
| 2.2.3 网络借贷的违约风险控制 | 第15页 |
| 2.3 数据挖掘理论 | 第15-18页 |
| 2.3.1 数据挖掘技术概述 | 第15-16页 |
| 2.3.2 数据挖掘的特点 | 第16页 |
| 2.3.3 大数据在个人征信中的应用 | 第16-18页 |
| 3 决策树算法原理介绍及模型选择 | 第18-26页 |
| 3.1 分类问题 | 第18页 |
| 3.2 决策树 | 第18-19页 |
| 3.3 决策树算法对比与模型选择 | 第19-26页 |
| 3.3.1 常用决策树算法介绍 | 第19-21页 |
| 3.3.2 模型性能的评价标准 | 第21-22页 |
| 3.3.3 模型算法的对比 | 第22-26页 |
| 4 数据预处理与变量选择 | 第26-29页 |
| 4.1 数据来源 | 第26页 |
| 4.2 数据预处理 | 第26-28页 |
| 4.2.1 数据的缺失值处理 | 第26-27页 |
| 4.2.2 数据的标准化处理 | 第27-28页 |
| 4.3 非平衡数据处理 | 第28-29页 |
| 5 实证分析 | 第29-35页 |
| 5.1 随机森林模型的构建 | 第29页 |
| 5.2 模型评价 | 第29-30页 |
| 5.3 模型优化 | 第30-33页 |
| 5.3.1 模型参数调整 | 第30-32页 |
| 5.3.2 模型阈值的调整 | 第32-33页 |
| 5.4 违约行为影响因素分析 | 第33-35页 |
| 6 总结 | 第35-36页 |
| 致谢 | 第36-37页 |
| 参考文献 | 第37-38页 |
