摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第12-20页 |
1.1 研究背景及意义 | 第12-14页 |
1.1.1 研究背景 | 第12-13页 |
1.1.2 研究意义 | 第13-14页 |
1.2 国内外研究现状 | 第14-17页 |
1.2.1 数据缺失恢复研究现状 | 第14页 |
1.2.2 非均衡数据集分类研究现状 | 第14-16页 |
1.2.3 神经网络发展回顾及研究现状 | 第16页 |
1.2.4 信用风险评估研究现状 | 第16-17页 |
1.3 研究内容 | 第17-18页 |
1.4 研究思路与框架 | 第18-20页 |
第二章 基于kNN-DBSCAN缺失数据恢复方法的研究 | 第20-28页 |
2.1 引言 | 第20页 |
2.2 问题的提出 | 第20-21页 |
2.3 主要模型及方法 | 第21-24页 |
2.3.1 基于DBSCAN聚类的研究 | 第21-22页 |
2.3.2 基于kNN相似性的研究 | 第22-23页 |
2.3.3 基于kNN-DBSCAN的缺失数据恢复方法 | 第23-24页 |
2.4 实验结果与分析 | 第24-26页 |
2.4.1 评价指标 | 第24-25页 |
2.4.2 数据集说明 | 第25页 |
2.4.3 实验结果及分析 | 第25-26页 |
2.5 本章小结 | 第26-28页 |
第三章 基于K-means的非均衡数据集的SMOTE改进算法研究 | 第28-38页 |
3.1 引言 | 第28页 |
3.2 问题的提出 | 第28-29页 |
3.3 主要模型及方法 | 第29-32页 |
3.3.1 基于SMOTE算法的研究 | 第29-30页 |
3.3.2 基于K-means聚类算法的研究 | 第30页 |
3.3.3 面向非均衡数据的SMOTE算法改进 | 第30-32页 |
3.4 实验结果与分析 | 第32-36页 |
3.4.1 评价指标 | 第32-33页 |
3.4.2 数据集说明 | 第33页 |
3.4.3 实验结果及分析 | 第33-36页 |
3.5 本章小结 | 第36-38页 |
第四章 基于XGBOOST的神经网络分类模型 | 第38-48页 |
4.1 引言 | 第38页 |
4.2 问题的提出 | 第38-39页 |
4.3 主要模型及方法 | 第39-44页 |
4.3.1 非均衡缺失数据处理方法 | 第39-40页 |
4.3.2 神经网络和XGBOOST分类研究 | 第40-42页 |
4.3.3 基于XGBOOST的神经网络模型构建 | 第42-44页 |
4.4 实验结果与分析 | 第44-47页 |
4.4.1 数据集说明 | 第44页 |
4.4.2 评价指标 | 第44-45页 |
4.4.3 实验结果与分析 | 第45-47页 |
4.5 本章小结 | 第47-48页 |
第五章 融360公司数据用户贷款信用风险预测的应用研究 | 第48-60页 |
5.1 引言 | 第48-49页 |
5.2 网络贷款公司客户风险预测的思路及方法 | 第49-52页 |
5.2.1 网络贷款公司客户风险预测的特征 | 第49-50页 |
5.2.2 网络贷款公司客户风险指标体系的建立 | 第50-51页 |
5.2.3 网络贷款公司客户风险预测的模型 | 第51-52页 |
5.3 案例分析 | 第52-56页 |
5.3.1 数据来源及说明 | 第52页 |
5.3.2 实验结果及分析 | 第52-54页 |
5.3.3 基于用户贷款风险预测的用户画像研究 | 第54-56页 |
5.4 本章小结 | 第56-60页 |
第六章 结论与展望 | 第60-62页 |
6.1 结论 | 第60-61页 |
6.2 展望 | 第61-62页 |
参考文献 | 第62-66页 |
致谢 | 第66-67页 |
在校期间的研究成果及发表的学术论文 | 第67页 |