| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 个人信用评分模型方法研究综述 | 第9-12页 |
| 1.2.1 国外研究现状 | 第9-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 研究内容与框架 | 第12-14页 |
| 第二章 数据挖掘方法简介 | 第14-19页 |
| 2.1 数据挖掘的概念 | 第14页 |
| 2.2 数据挖掘的经典算法 | 第14-17页 |
| 2.3 数据挖掘的步骤 | 第17-19页 |
| 第三章 数据预处理 | 第19-26页 |
| 3.1 数据获取与准备 | 第19页 |
| 3.2 数据清洗 | 第19-24页 |
| 3.2.1 分析数据 | 第19-21页 |
| 3.2.2 缺失值处理 | 第21-22页 |
| 3.2.3 变量选择 | 第22-24页 |
| 3.3 构建训练数据与测试数据 | 第24-26页 |
| 第四章 决策树模型建模 | 第26-41页 |
| 4.1 决策树模型理论介绍 | 第26-29页 |
| 4.1.1 决策树算法原理 | 第26-27页 |
| 4.1.2 信息增益 | 第27-28页 |
| 4.1.3 信息增益率 | 第28页 |
| 4.1.4 基尼系数 | 第28-29页 |
| 4.2 常用决策树算法 | 第29-31页 |
| 4.2.1 ID_3算法 | 第29-30页 |
| 4.2.2 C_(4.5)算法 | 第30页 |
| 4.2.3 CART算法 | 第30-31页 |
| 4.3 决策树剪枝 | 第31-34页 |
| 4.3.1 预剪枝 | 第31-32页 |
| 4.3.2 后剪枝 | 第32-34页 |
| 4.4 由决策树提取分类规则 | 第34-35页 |
| 4.5 模型评估 | 第35-38页 |
| 4.6 CART算法在个人信用评分模型的应用 | 第38-41页 |
| 第五章 Logistic回归建模 | 第41-47页 |
| 5.1 理论介绍 | 第41页 |
| 5.2 二项Logistic回归模型 | 第41-44页 |
| 5.2.1 模型参数估计 | 第42-43页 |
| 5.2.2 变量选择 | 第43-44页 |
| 5.3 Logistic模型在个人信用评分模型的应用 | 第44-47页 |
| 第六章 结论与展望 | 第47-49页 |
| 6.1 结论 | 第47页 |
| 6.2 不足与展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-52页 |