基于XGBoost的互联网小贷贷后风险评级
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-11页 |
| 1.1 研究背景 | 第7-9页 |
| 1.2 研究意义 | 第9页 |
| 1.3 本文主要研究内容 | 第9-11页 |
| 2 贷后风险评级模型开发流程 | 第11-15页 |
| 2.1 引言 | 第11页 |
| 2.2 业务定义 | 第11-13页 |
| 2.3 数据收集与数据清洗 | 第13页 |
| 2.4 变量筛选 | 第13-14页 |
| 2.5 模型检验 | 第14页 |
| 2.6 本章小结 | 第14-15页 |
| 3 贷后风险评级模型 | 第15-29页 |
| 3.1 引言 | 第15页 |
| 3.2 XGBoost模型 | 第15-24页 |
| 3.2.1 模型的建立 | 第15-17页 |
| 3.2.2 模型的训练 | 第17-24页 |
| 3.3 模型的评估 | 第24-27页 |
| 3.3.1 准确率、精确率和F1 | 第25-26页 |
| 3.3.2 kappa系数 | 第26页 |
| 3.3.3 ROC曲线 | 第26-27页 |
| 3.4 本章小结 | 第27-29页 |
| 4 实验与结果分析 | 第29-45页 |
| 4.1 引言 | 第29页 |
| 4.2 建立样本数据及预处理 | 第29-33页 |
| 4.2.1 业务定义与数据收集 | 第29页 |
| 4.2.2 变量解释 | 第29-33页 |
| 4.2.3 缺失值、异常值处理 | 第33页 |
| 4.2.4 不平衡样本的处理 | 第33页 |
| 4.3 特征变量筛选 | 第33-35页 |
| 4.3.1 特征相关性研究 | 第33-34页 |
| 4.3.2 特征重要性研究 | 第34-35页 |
| 4.4 实验结果分析 | 第35-44页 |
| 4.4.1 参数设置 | 第36-38页 |
| 4.4.2 训练结果与分析 | 第38-44页 |
| 4.5 本章小结 | 第44-45页 |
| 结论 | 第45-46页 |
| 参考文献 | 第46-48页 |
| 附录A | 第48-51页 |
| 致谢 | 第51-53页 |
