| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.3.1 国外个人信用评估研究现状 | 第11-12页 |
| 1.3.2 国内个人信用评估研究现状 | 第12-13页 |
| 1.4 论文结构 | 第13-15页 |
| 第2章 相关理论 | 第15-27页 |
| 2.1 互联网金融 | 第15页 |
| 2.2 信用评估模型 | 第15-16页 |
| 2.3 个人信用评估统计方法概论 | 第16-18页 |
| 2.3.1 奥卡姆剃刀原理 | 第16页 |
| 2.3.2 Shrinkage思想 | 第16-17页 |
| 2.3.3 交叉验证 | 第17-18页 |
| 2.4 LR | 第18-22页 |
| 2.4.1 参数求解 | 第19-21页 |
| 2.4.2 logistic回归的损失函数 | 第21-22页 |
| 2.5 GBDT | 第22-25页 |
| 2.5.1 GBDT原理 | 第22-24页 |
| 2.5.2 GBDT算法 | 第24-25页 |
| 2.6 LR与GBDT融合模型 | 第25-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第3章 基于GBDT与LR融合的评估模型的建立 | 第27-35页 |
| 3.1 GBDT构造新的组合特征 | 第27-29页 |
| 3.2 LR分类预测 | 第29-30页 |
| 3.3 GBDT与LR融合模型的建立过程 | 第30页 |
| 3.4 信用评估仿真实验 | 第30-33页 |
| 3.5 本章小结 | 第33-35页 |
| 第4章 互联网金融个人信用评估指标体系与数据处理 | 第35-43页 |
| 4.1 互联网金融个人信用实验数据 | 第35-36页 |
| 4.1.1 个人信用数据主要内容 | 第35页 |
| 4.1.2 原始数据 | 第35-36页 |
| 4.2 个人信用评估指标体系的构建 | 第36-38页 |
| 4.2.1 个人信用评估指标体系概述 | 第36-37页 |
| 4.2.2 个人信用评估指标的构建 | 第37-38页 |
| 4.3 互联网金融个人信用数据处理 | 第38-40页 |
| 4.3.1 缺失值处理 | 第38页 |
| 4.3.2 不平衡数据集处理 | 第38-40页 |
| 4.3.3 数据变化 | 第40页 |
| 4.4 互联网金融个人信用数据集划分 | 第40-41页 |
| 4.5 本章小结 | 第41-43页 |
| 第5章 个人信用评估模型在互联网金融行业的应用 | 第43-53页 |
| 5.1 评价指标 | 第43-45页 |
| 5.1.1 常用评价指标 | 第43-45页 |
| 5.1.2 本文选取评价指标 | 第45页 |
| 5.2 基于单一方法的个人信用评估模型 | 第45-49页 |
| 5.2.1 基于LR的个人信用评估模型 | 第45-46页 |
| 5.2.2 基于GBDT的个人信用评估模型 | 第46-49页 |
| 5.3 基于GBDT与LR融合的个人信用评估模型 | 第49-51页 |
| 5.3.1 基于GBDT与LR融合的评估模型的构建 | 第49-50页 |
| 5.3.2 模型结果 | 第50-51页 |
| 5.4 实验结果分析 | 第51页 |
| 5.5 本章小结 | 第51-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间取得的研究成果 | 第59-61页 |
| 致谢 | 第61页 |