| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 插图索引 | 第9-11页 |
| 附表索引 | 第11-12页 |
| 引言 | 第12-14页 |
| 第1章 信用卡及信用评分的现状和发展 | 第14-22页 |
| ·信用卡及其发展历史 | 第14-15页 |
| ·信用卡发展现状 | 第15-16页 |
| ·信用卡风险管理 | 第16-17页 |
| ·信用评分及其发展 | 第17-22页 |
| ·信用评分的发展历史 | 第18-19页 |
| ·信用评分的分类 | 第19-20页 |
| ·信用评分的优势 | 第20-22页 |
| 第2章 数据挖掘及其在信用卡行业中的应用 | 第22-34页 |
| ·数据挖掘的界定 | 第22-23页 |
| ·数据挖掘和统计学 | 第23-24页 |
| ·数据挖掘过程研究 | 第24-27页 |
| ·数据挖掘的主要功能 | 第27-28页 |
| ·数据挖掘的理论基础与技术支撑 | 第28-31页 |
| ·数据挖掘在信用卡行业中的应用 | 第31-32页 |
| ·数据挖掘技术建立信用卡申请评分模型的流程 | 第32-34页 |
| 第3章 信用卡申请评分模型采用的三种数据挖掘技术的理论研究、评价标准及建模工具 | 第34-49页 |
| ·三种主要模型理论研究 | 第35-45页 |
| ·决策树理论 | 第35-38页 |
| ·Logistic回归理论 | 第38-41页 |
| ·神经网络理论 | 第41-45页 |
| ·数据挖掘方法评价标准 | 第45-47页 |
| ·数据挖掘建模工具—SAS系统 | 第47-49页 |
| 第4章 信用卡申请评分模型的构建 | 第49-75页 |
| ·数据预处理、数据探索与数据清理 | 第49-55页 |
| ·模型的建立 | 第55-67页 |
| ·决策树建模 | 第55-59页 |
| ·logistic回归建模 | 第59-63页 |
| ·神经网络建模 | 第63-67页 |
| ·模型的比较评估与改进 | 第67-75页 |
| ·模型的比较评估 | 第67-69页 |
| ·模型的改进和合并 | 第69-75页 |
| 总结与展望 | 第75-77页 |
| 参考文献 | 第77-80页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第80-81页 |
| 附录B 实验中用到的SAS Enterprise Miner节点说明 | 第81-82页 |
| 附录C 信用卡申请客户评分结果缩表 | 第82-83页 |
| 致谢 | 第83页 |