| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-17页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 研究目的和意义 | 第8-10页 |
| 1.3 信用风险评估的历史和方法 | 第10-14页 |
| 1.3.1 信用风险评估的历史 | 第10页 |
| 1.3.2 典型的评估方法 | 第10-14页 |
| 1.4 研究内容、方法及技术路线 | 第14-16页 |
| 1.4.1 研究内容 | 第14页 |
| 1.4.2 研究方法 | 第14-15页 |
| 1.4.3 研究思路与技术路线 | 第15-16页 |
| 1.5 本文的主要贡献 | 第16-17页 |
| 第2章 相关理论与文献综述 | 第17-33页 |
| 2.1 支持向量机的基本原理 | 第17-26页 |
| 2.1.1 统计学习理论 | 第17-18页 |
| 2.1.2 支持向量机理论概述 | 第18-25页 |
| 2.1.3 支持向量机核函数 | 第25-26页 |
| 2.1.4 算法步骤 | 第26页 |
| 2.2 特征选择 | 第26-30页 |
| 2.2.1 特征选择的方法及其分类 | 第26-28页 |
| 2.2.2 L_1正则化项 | 第28-30页 |
| 2.2.3 弹性网 | 第30页 |
| 2.3 相关研究综述 | 第30-33页 |
| 2.3.1 国外研究综述 | 第30-31页 |
| 2.3.2 国内研究综述 | 第31-32页 |
| 2.3.3 文献评述 | 第32-33页 |
| 第3章 正则化下支持向量机模型的信用风险评估 | 第33-51页 |
| 3.1 数据来源与预处理 | 第33页 |
| 3.2 正则化下支持向量机模型的建立 | 第33-45页 |
| 3.2.1 L_1 -SVM算法 | 第36-37页 |
| 3.2.2 L_1 -SVM模型下的信用风险评估 | 第37-41页 |
| 3.2.3 Elastic Net -SVM模型下的信用风险评估 | 第41-45页 |
| 3.3 标准支持向量机模型的建立 | 第45-49页 |
| 3.3.1 标准支持向量机算法 | 第45-46页 |
| 3.3.2 标准SVM下的信用风险评估 | 第46-49页 |
| 3.4 正则化方法在模型中的有效性探究 | 第49-51页 |
| 第4章 正则化下模型的性能探究 | 第51-58页 |
| 4.1 Lasso-logistic算法 | 第51-52页 |
| 4.2 Lasso-logistic模型下的信用风险评估 | 第52-55页 |
| 4.3 模型的性能探究 | 第55-58页 |
| 第5章 结论 | 第58-60页 |
| 5.1 本文结论 | 第58-59页 |
| 5.2 本文的不足之处和改进意见 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录 | 第64-68页 |