| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 主要工作 | 第11页 |
| 1.4 文章的组织结构 | 第11-13页 |
| 第二章 相关技术研究 | 第13-23页 |
| 2.1 P2P网络借贷平台概况 | 第13-17页 |
| 2.1.1 P2P网络借贷定义 | 第13-14页 |
| 2.1.2 P2P网络借贷发展状况 | 第14-16页 |
| 2.1.3 传统风险分析的优势和不足 | 第16-17页 |
| 2.2 数据挖掘技术 | 第17-19页 |
| 2.2.1 数据挖掘技术概述 | 第17-18页 |
| 2.2.2 主要过程 | 第18页 |
| 2.2.3 数据挖掘在信用分析上的应用 | 第18-19页 |
| 2.3 信息熵 | 第19-21页 |
| 2.3.1 信息熵的基本概念 | 第19-20页 |
| 2.3.2 信息熵的基本性质 | 第20-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第三章 基于短时多源回归算法的借贷平台风险预测方法 | 第23-36页 |
| 3.1 目标与挑战 | 第23-25页 |
| 3.1.1 目标 | 第23页 |
| 3.1.2 挑战 | 第23-25页 |
| 3.2 网络借贷平台运营数据简介 | 第25页 |
| 3.3 数据处理中特征处理方法 | 第25-27页 |
| 3.4 网络借贷平台数据特征处理 | 第27-30页 |
| 3.4.1 连续型数值转化 | 第27-29页 |
| 3.4.2 基于信息熵的特征选择 | 第29-30页 |
| 3.5 风险评估模型 | 第30-34页 |
| 3.5.1 时间窗的设定 | 第30-31页 |
| 3.5.2 特征向量 | 第31页 |
| 3.5.3 权重系数量化 | 第31-33页 |
| 3.5.4 风险量化 | 第33-34页 |
| 3.6 本章小结 | 第34-36页 |
| 第四章 基于分类算法的网络借贷平台分析 | 第36-48页 |
| 4.1 网络借贷平台分析框架 | 第36页 |
| 4.2 网络借贷平台的指标分析 | 第36-38页 |
| 4.3 分类算法分析系统设计 | 第38-43页 |
| 4.3.1 决策树 | 第38-39页 |
| 4.3.2 基于C4.5的决策树分类模型设计 | 第39-40页 |
| 4.3.3 决策树的过拟合问题 | 第40-43页 |
| 4.3.4 基于决策树的网络借贷平台信用分析 | 第43页 |
| 4.4 基于神经网络的分类算法设计 | 第43-46页 |
| 4.4.1 神经网络 | 第43-44页 |
| 4.4.2 基于BP神经网络算法的网贷平台信用评级分类 | 第44-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第五章 方法实现和评估 | 第48-57页 |
| 5.1 基于短时多源回归算法的网络借贷平台分析 | 第48-53页 |
| 5.1.1 实验数据 | 第48-51页 |
| 5.1.2 实验环境 | 第51页 |
| 5.1.3 权重系数的确定 | 第51-52页 |
| 5.1.4 实验结果分析 | 第52-53页 |
| 5.1.5 对比试验 | 第53页 |
| 5.2 基于分类算法的网络借贷平台分析 | 第53-55页 |
| 5.2.1 实验数据 | 第53-54页 |
| 5.2.2 实验结果与分析 | 第54-55页 |
| 5.3 本章小结 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第61-62页 |
| 附录2 攻读硕士学位期间申请的专利 | 第62-63页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第63-64页 |
| 致谢 | 第64页 |