网络借贷个人信用评估模型
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-11页 |
| 1.1 选题背景 | 第8页 |
| 1.2 选题意义 | 第8-9页 |
| 1.3 研究目的 | 第9页 |
| 1.4 国内外研究现状 | 第9-10页 |
| 1.5 研究内容 | 第10-11页 |
| 2 网络借贷概述 | 第11-16页 |
| 2.1 网络借贷的发展历程 | 第11-13页 |
| 2.2 网络借贷面临的问题 | 第13-14页 |
| 2.2.1 网络借贷的流程 | 第13页 |
| 2.2.2 网络借贷中的风险 | 第13页 |
| 2.2.3 网络借贷行业的风险控制 | 第13-14页 |
| 2.3 大数据在个人信用评估中的应用 | 第14-16页 |
| 2.3.1 大数据概念的兴起 | 第14页 |
| 2.3.2 大数据征信的优势 | 第14-15页 |
| 2.3.3 大数据征信的前景 | 第15-16页 |
| 3 CART与随机森林算法 | 第16-22页 |
| 3.1 分类问题 | 第16页 |
| 3.2 决策树简介 | 第16页 |
| 3.3 CART算法 | 第16-20页 |
| 3.3.1 基尼不纯度 | 第17-18页 |
| 3.3.2 分类树 | 第18-19页 |
| 3.3.3 决策树剪枝 | 第19-20页 |
| 3.4 随机森林 | 第20-22页 |
| 3.4.1 随机森林生成算法 | 第20-21页 |
| 3.4.2 随机森林的袋外数据估计 | 第21-22页 |
| 4 数据的收集与处理 | 第22-30页 |
| 4.1 数据来源及说明 | 第22-23页 |
| 4.2 数据预处理 | 第23-26页 |
| 4.2.1 对连续型数值变量进行标准化 | 第23页 |
| 4.2.2 属性变量的量化处理 | 第23-24页 |
| 4.2.3 缺失值处理 | 第24-25页 |
| 4.2.4 样本不平衡处理 | 第25-26页 |
| 4.3 特征选择 | 第26-30页 |
| 5 个人信用评估模型设计 | 第30-39页 |
| 5.1 训练随机森林模型 | 第30-31页 |
| 5.2 模型评价 | 第31-32页 |
| 5.3 参数调整 | 第32-33页 |
| 5.4 分类阈值调整 | 第33-36页 |
| 5.5 信用评级 | 第36-39页 |
| 6 总结 | 第39-40页 |
| 6.1 总结 | 第39页 |
| 6.2 不足之处 | 第39-40页 |
| 致谢 | 第40-41页 |
| 参考文献 | 第41-42页 |
