基于机器学习的P2P网贷风险控制模型的研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 选题的动机和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国外文献综述 | 第9-10页 |
| 1.2.2 国内文献综述 | 第10-11页 |
| 1.3 研究方法与主要贡献 | 第11-13页 |
| 1.3.1 研究方法 | 第11页 |
| 1.3.2 主要贡献 | 第11-13页 |
| 2 预备知识 | 第13-26页 |
| 2.1 特征工程技术简介 | 第13-15页 |
| 2.1.1 特征提取 | 第13页 |
| 2.1.2 特征选择 | 第13-14页 |
| 2.1.3 特征构建 | 第14-15页 |
| 2.2 统计学习算法简介 | 第15-22页 |
| 2.2.1 Logistic回归 | 第15-18页 |
| 2.2.2 梯度提升树算法 | 第18-20页 |
| 2.2.3 XGBoost | 第20-22页 |
| 2.3 模型的性能度量 | 第22-26页 |
| 2.3.1 混淆矩阵 | 第22-23页 |
| 2.3.2 ROC与AUC | 第23-26页 |
| 3 特征工程与算法改进 | 第26-36页 |
| 3.1 实证数据的选择 | 第26-27页 |
| 3.2 数据的预处理 | 第27-28页 |
| 3.3 特征构建与方法改进 | 第28-33页 |
| 3.3.1 人工特征构建 | 第29-30页 |
| 3.3.2 一种特征构建的改进方法 | 第30-33页 |
| 3.4 特征选择与方法改进 | 第33-34页 |
| 3.5 本章小结 | 第34-36页 |
| 4 实证结果分析 | 第36-41页 |
| 4.1 特征构建算法改进前后实证结果对比 | 第36-38页 |
| 4.1.1 人工特征构建实证结果 | 第36-37页 |
| 4.1.2 改进后的特征构建实证结果 | 第37-38页 |
| 4.2 特征选择算法改进前后实证结果对比 | 第38-39页 |
| 4.2.1 利用XGBoost进行特征选择 | 第38页 |
| 4.2.2 改进后特征选择实证结果 | 第38-39页 |
| 4.3 本章小结 | 第39-41页 |
| 5 模型融合 | 第41-45页 |
| 5.1 集成学习 | 第41页 |
| 5.2 本文的模型融合方案 | 第41-43页 |
| 5.3 模型融合实证结果 | 第43-44页 |
| 5.4 本章小结 | 第44-45页 |
| 6 总结与展望 | 第45-47页 |
| 6.1 本文的主要工作 | 第45-46页 |
| 6.2 本文的不足与下一步的研究 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-50页 |
