| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-13页 |
| ·课题背景及选题意义 | 第8-10页 |
| ·数据挖掘决策树技术在国内外银行信贷业务的应用现状 | 第10-11页 |
| ·本文的研究方法及内容 | 第11-13页 |
| 第2章 数据挖掘的基本理论 | 第13-22页 |
| ·数据挖掘的定义 | 第13-14页 |
| ·技术角度的定义 | 第13页 |
| ·商业角度的定义 | 第13-14页 |
| ·数据挖掘的作用及功能 | 第14-15页 |
| ·数据挖掘的一般过程及具体应用 | 第15-17页 |
| ·数据挖掘的一般过程 | 第15-16页 |
| ·个人住房贷款数据挖掘的过程 | 第16-17页 |
| ·数据挖掘的方法与选择 | 第17-22页 |
| ·传统统计分析 | 第18页 |
| ·神经网络技术 | 第18-19页 |
| ·决策树方法 | 第19-20页 |
| ·数据挖掘方法的选择 | 第20-22页 |
| 第3章 决策树的基本理论 | 第22-31页 |
| ·决策树的基本概念 | 第22-23页 |
| ·决策树算法及选择 | 第23-26页 |
| ·ID3算法 | 第23-24页 |
| ·C4.5算法 | 第24-26页 |
| ·算法比较与选择 | 第26页 |
| ·决策树的构造 | 第26-31页 |
| ·决策树生成的操作过程 | 第26-28页 |
| ·决策树的生长 | 第28-29页 |
| ·C4.5算法决策树的修剪 | 第29页 |
| ·C4.5算法规则提取 | 第29-31页 |
| 第4章 数据准备 | 第31-44页 |
| ·数据采集 | 第31-32页 |
| ·数据采集方法 | 第31-32页 |
| ·数据采集结果 | 第32页 |
| ·数据预处理 | 第32-44页 |
| ·数据预处理的必要性 | 第32-34页 |
| ·数据预处理的内容和方法 | 第34-42页 |
| ·数据预处理的结果 | 第42-44页 |
| 第5章 个人住房贷款信用风险评估模型的建立 | 第44-56页 |
| ·决策属性信息增益率的计算 | 第44-47页 |
| ·依据 C4.5算法构造决策树 | 第47-48页 |
| ·基于决策树构建风险评估模型 | 第48-50页 |
| ·聚类分析确定风险评估等级 | 第50-54页 |
| ·聚类的概念以及k-平均算法 | 第50-52页 |
| ·确定风险评估等级 | 第52-54页 |
| ·模型评价 | 第54-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 后记 | 第62-63页 |