基于数据挖掘的个人信用评分模型开发
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-16页 |
| ·选题背景和意义 | 第11-12页 |
| ·个人信用评分方法 | 第12-14页 |
| ·信用评分的发展历史 | 第12-13页 |
| ·国外的研究状况 | 第13页 |
| ·国内研究状况 | 第13-14页 |
| ·论文研究的主要内容 | 第14页 |
| ·论文结构 | 第14-16页 |
| 第二章 数据挖掘在信用评分上的应用 | 第16-21页 |
| ·数据挖掘概述 | 第16-19页 |
| ·数据挖掘的功能 | 第16-18页 |
| ·数据挖掘的流程 | 第18-19页 |
| ·数据挖掘在个人信用模型上的应用 | 第19-21页 |
| 第三章 建模数据的预处理 | 第21-42页 |
| ·数据准备 | 第21-26页 |
| ·样本的选取 | 第22-23页 |
| ·定义好客户和坏客户 | 第23-24页 |
| ·认识数据 | 第24-26页 |
| ·数据清洗 | 第26-27页 |
| ·数据变换规约 | 第27-30页 |
| ·数据规范化 | 第27-28页 |
| ·数据离散化和分层 | 第28-30页 |
| ·特征变量 | 第30-40页 |
| ·可用的特征变量 | 第30-32页 |
| ·特征变量的分组 | 第32-40页 |
| ·数据抽样 | 第40-42页 |
| 第四章 建立模型 | 第42-56页 |
| ·基于判别分析的信用模型 | 第42-45页 |
| ·判别分析算法介绍 | 第42-44页 |
| ·建模实践 | 第44-45页 |
| ·基于Logistic回归的信用模型 | 第45-51页 |
| ·Logistic回归介绍 | 第45-47页 |
| ·建模实践 | 第47-51页 |
| ·基于神经网络的模型 | 第51-56页 |
| ·神经网络介绍 | 第51-53页 |
| ·建模实践 | 第53-56页 |
| 第五章 模型的性能评估 | 第56-59页 |
| ·适用条件 | 第56-57页 |
| ·错误分类率比较 | 第57-59页 |
| 第六章 研究结论及展望 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 攻读硕士学位期间发表的学术论文 | 第63-64页 |
| 致谢 | 第64页 |
