基于数据挖掘的P2P网贷获贷结果影响因素及放贷决策模型研究
| 摘要 | 第3-5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 研究目的和意义 | 第10-11页 |
| 1.2.1 研究目的 | 第10页 |
| 1.2.2 研究意义 | 第10-11页 |
| 1.3 研究内容、方法和技术路线 | 第11-14页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 研究方法 | 第12-13页 |
| 1.3.3 技术路线图 | 第13-14页 |
| 1.4 本文的主要贡献 | 第14-15页 |
| 第2章 文献综述与相关理论 | 第15-24页 |
| 2.1 文献综述 | 第15-19页 |
| 2.1.1 P2P网络贷款概况 | 第15-16页 |
| 2.1.2 获贷结果影响因素研究 | 第16-17页 |
| 2.1.3 放贷决策模型研究 | 第17-18页 |
| 2.1.4 文献评述 | 第18-19页 |
| 2.2 相关理论模型 | 第19-24页 |
| 2.2.1 信用评分 | 第19页 |
| 2.2.2 K-means聚类法 | 第19页 |
| 2.2.3 数据挖掘模型 | 第19-24页 |
| 第3章 实证背景描述和数据预处理 | 第24-30页 |
| 3.1 研究假设 | 第24页 |
| 3.2 数据预处理 | 第24-29页 |
| 3.2.1 个人贷款分析表构建 | 第24-26页 |
| 3.2.2 逻辑处理 | 第26-27页 |
| 3.2.3 缺失值处理 | 第27-28页 |
| 3.2.4 离群值处理 | 第28-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第4章 获贷结果影响因素识别 | 第30-37页 |
| 4.1 IV值的变量选择 | 第31-32页 |
| 4.2 随机森林模型的重要性排序 | 第32-34页 |
| 4.3 影响因素具体分析 | 第34-36页 |
| 4.4 本章小结 | 第36-37页 |
| 第5章 放贷决策模型的构建 | 第37-46页 |
| 5.1 申请者分类 | 第37-39页 |
| 5.1.1 K-means聚类具体步骤 | 第37-38页 |
| 5.1.2 申请者类型 | 第38-39页 |
| 5.2 模型建立 | 第39-42页 |
| 5.2.1 统计模型 | 第39-40页 |
| 5.2.2 非统计模型 | 第40页 |
| 5.2.3 组合模型 | 第40-42页 |
| 5.3 模型评估 | 第42-45页 |
| 5.4 本章小结 | 第45-46页 |
| 第6章 结论与不足 | 第46-48页 |
| 6.1 结论 | 第46-47页 |
| 6.2 不足 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 附录 | 第53-57页 |
