基于大数据的微额借贷用户信用预测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文研究内容及意义 | 第13页 |
| 1.4 论文组织结构 | 第13-16页 |
| 第二章 相关技术基础及系统方案设计 | 第16-26页 |
| 2.1 云计算简介 | 第16-17页 |
| 2.2 大数据简介 | 第17-24页 |
| 2.2.1 大数据的主要技术层面和技术内容 | 第17-18页 |
| 2.2.2 Hadoop基础结构 | 第18-19页 |
| 2.2.3 Hadoop生态系统 | 第19-21页 |
| 2.2.4 Hadoop分布式文件系统 | 第21页 |
| 2.2.5 MapReduce技术原理 | 第21-22页 |
| 2.2.6 数据挖掘 | 第22-24页 |
| 2.3 系统设计 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 数据预处理与特征工程 | 第26-36页 |
| 3.1 数据集概述 | 第26-27页 |
| 3.2 数据预处理 | 第27-31页 |
| 3.2.1 缺失值处理 | 第27-30页 |
| 3.2.2 独热码 | 第30-31页 |
| 3.3 特征构建 | 第31-34页 |
| 3.3.1 缺失值离散特征 | 第32页 |
| 3.3.2 排名特征 | 第32-33页 |
| 3.3.3 离散特征 | 第33页 |
| 3.3.4 计数特征 | 第33页 |
| 3.3.5 融合特征 | 第33-34页 |
| 3.4 特征降维 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 微额借贷用户信用预测方法 | 第36-52页 |
| 4.1 基于非线性SVM算法的信用预测方法 | 第36-42页 |
| 4.1.1 非线性SVM基础理论 | 第36-40页 |
| 4.1.2 基于非线性SVM的信用预测方法流程 | 第40-42页 |
| 4.2 基于GBDT的信用预测方法 | 第42-46页 |
| 4.2.1 GDBT基础理论 | 第42-44页 |
| 4.2.2 基于GDBT的信用预测方法流程 | 第44-46页 |
| 4.3 基于融合模型的信用预测方法 | 第46-49页 |
| 4.4 模型评价 | 第49-50页 |
| 4.5 本章小结 | 第50-52页 |
| 第五章 算法实现和系统仿真实验 | 第52-64页 |
| 5.1 实验平台介绍 | 第52-54页 |
| 5.1.1 软件平台 | 第52页 |
| 5.1.2 功能模块 | 第52-54页 |
| 5.2 Hadoop伪分布式集群搭建 | 第54-57页 |
| 5.3 仿真实验结果与分析 | 第57-63页 |
| 5.3.1 实验一：SVM性能实验 | 第57-58页 |
| 5.3.2 实验二：GDBT性能实验 | 第58-59页 |
| 5.3.3 实验三：缺失值离散特征有效性验证实验 | 第59-60页 |
| 5.3.4 实验四：融合模型性能实验 | 第60-62页 |
| 5.3.5 实验五：效率评估实验 | 第62-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 本文工作总结 | 第64-65页 |
| 6.2 本文工作展望 | 第65-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 作者简介 | 第72页 |
