| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 文献综述 | 第9-11页 |
| 1.3 本文的研究内容 | 第11-12页 |
| 1.4 本文的创新点及不足 | 第12-13页 |
| 1.4.1 本文的创新点 | 第12页 |
| 1.4.2 本文的不足 | 第12-13页 |
| 第二章 数据的处理 | 第13-20页 |
| 2.1 数据准备与变量处理 | 第13-14页 |
| 2.1.1 数据的来源 | 第13页 |
| 2.1.2 定性变量的量化处理 | 第13-14页 |
| 2.2 变量的描述性统计 | 第14-18页 |
| 2.2.1 单个变量的描述性统计 | 第14-16页 |
| 2.2.2 全体变量的描述性统计 | 第16-18页 |
| 2.3 变量相关性检验 | 第18-20页 |
| 第三章 基本理论及分析方法 | 第20-27页 |
| 3.1 熵权法的介绍 | 第20-21页 |
| 3.1.1 熵权法基本理论 | 第20页 |
| 3.1.2 熵权法的基本步骤 | 第20-21页 |
| 3.2 系统聚类的概述 | 第21页 |
| 3.3 型设计的关键要素 | 第21-22页 |
| 3.4 模型理论知识介绍 | 第22-24页 |
| 3.4.1 logistic回归基本理论介绍 | 第22-23页 |
| 3.4.2 logistic回归模型评估 | 第23-24页 |
| 3.5 NaiveBayes模型基本理论介绍 | 第24-27页 |
| 3.5.1 条件概率的基本定义 | 第24-25页 |
| 3.5.2 朴素贝叶斯(NaiveBayes)模型 | 第25-26页 |
| 3.5.3 朴素贝叶斯分类器的优缺点 | 第26-27页 |
| 第四章 逾期客户还款概率预测模型的构建 | 第27-43页 |
| 4.1 熵权法确定变量权重 | 第27-28页 |
| 4.2 样本聚类 | 第28-30页 |
| 4.2.1 聚类类别个数的确定 | 第28-29页 |
| 4.2.2 聚类结果分析 | 第29-30页 |
| 4.3 Logistic预测模型的建立 | 第30-34页 |
| 4.3.1 切分数据集 | 第30-31页 |
| 4.3.2 logistic模型回归结果 | 第31-33页 |
| 4.3.3 logistic回归模型预测结果 | 第33页 |
| 4.3.4 模型评估 | 第33-34页 |
| 4.4 朴素贝叶斯预测模型的建立 | 第34-35页 |
| 4.4.1 朴素贝叶斯模型的构建 | 第34页 |
| 4.4.2 预测结果 | 第34-35页 |
| 4.5 聚类后的logistic模型的建立 | 第35-43页 |
| 4.5.0 切分数据集 | 第35页 |
| 4.5.1 模型的构建 | 第35-36页 |
| 4.5.2 预测结果 | 第36页 |
| 4.5.3 各类别逾期还款的影响因素重要程度分析 | 第36-41页 |
| 4.5.4 聚类前后逾期还款预测模型效果的对比分析 | 第41-42页 |
| 4.5.5 10折法交叉检验 | 第42-43页 |
| 第五章 结论与建议 | 第43-45页 |
| 5.1 结论 | 第43-44页 |
| 5.2 应用 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |