基于随机森林的信贷风险实证研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及研究意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10页 |
| 1.2.1 国外研究现状 | 第10页 |
| 1.2.2 国内研究现状 | 第10页 |
| 1.3 研究目的与研究内容 | 第10-11页 |
| 1.3.1 研究目的 | 第10-11页 |
| 1.3.2 研究内容 | 第11页 |
| 1.4 分类模型介绍 | 第11-13页 |
| 1.4.1 基于统计学的分类 | 第11-12页 |
| 1.4.2 基于机器学习的分类 | 第12-13页 |
| 1.5 分类评价标准 | 第13-14页 |
| 1.6 本文结构 | 第14-16页 |
| 2 网贷平台介绍 | 第16-18页 |
| 2.1 Zopa平台介绍 | 第16页 |
| 2.2 Lending Club平台介绍 | 第16-17页 |
| 2.3 宜信平台介绍 | 第17页 |
| 2.4 拍拍贷平台介绍 | 第17-18页 |
| 3 随机森林理论研究 | 第18-25页 |
| 3.1 决策树简介 | 第18-20页 |
| 3.1.1 决策树原理 | 第19页 |
| 3.1.2 节点分裂标准 | 第19-20页 |
| 3.2 分类回归树 | 第20-21页 |
| 3.2.1 树的生成 | 第21页 |
| 3.2.2 CART剪枝 | 第21页 |
| 3.3 Bagging算法 | 第21-22页 |
| 3.4 随机森林 | 第22-24页 |
| 3.4.1 随机森林定义及算法 | 第22页 |
| 3.4.2 随机森林的泛化误差理论 | 第22-23页 |
| 3.4.3 OOB估计 | 第23-24页 |
| 3.5 加权随机森林 | 第24-25页 |
| 4 数据预处理及特征选择 | 第25-30页 |
| 4.1 数据简介 | 第25页 |
| 4.2 数据预处理 | 第25-26页 |
| 4.3 特征选择 | 第26-30页 |
| 5 实证研究 | 第30-38页 |
| 5.1 参数选择 | 第30-32页 |
| 5.1.1 ntree的选择 | 第30页 |
| 5.1.2 mtry的选择 | 第30-31页 |
| 5.1.3 classwt的选择 | 第31-32页 |
| 5.2 实证结果及其分析 | 第32-34页 |
| 5.3 不平衡数据的处理 | 第34-38页 |
| 6 结论与展望 | 第38-40页 |
| 6.1 结论与建议 | 第38-39页 |
| 6.2 不足与展望 | 第39-40页 |
| 致谢 | 第40-41页 |
| 参考文献 | 第41-43页 |
| 附录 | 第43-49页 |
