基于广义可加模型的半监督学习方法
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 半监督学习方法 | 第13-15页 |
| 1.2.2 变量选择 | 第15页 |
| 1.2.3 信用风险评估和广义可加模型 | 第15-17页 |
| 1.3 研究内容与框架 | 第17-19页 |
| 1.4 文章的创新点 | 第19-20页 |
| 第2章 传统半监督学习方法的介绍 | 第20-29页 |
| 2.1 有监督学习与无监督学习 | 第20-21页 |
| 2.1.1 有监督学习方法 | 第20页 |
| 2.1.2 无监督学习方法 | 第20-21页 |
| 2.2 半监督学习的模型设定与基本假设 | 第21-23页 |
| 2.2.1 模型设定 | 第21-22页 |
| 2.2.2 基本假设 | 第22-23页 |
| 2.3 几种经典的半监督学习方法 | 第23-26页 |
| 2.3.1 生成模型 | 第23-24页 |
| 2.3.2 协同训练算法 | 第24-25页 |
| 2.3.3 基于图的半监督学习方法 | 第25页 |
| 2.3.4 半监督支持向量机 | 第25-26页 |
| 2.4 本章小结 | 第26-29页 |
| 第3章 基于半监督学习的变量选择与预测 | 第29-50页 |
| 3.1 模型的理论基础 | 第29-33页 |
| 3.1.1 广义半参数可加模型 | 第29-31页 |
| 3.1.2 Group Lasso | 第31-32页 |
| 3.1.3 块坐标下降算法 | 第32-33页 |
| 3.2 模型设定 | 第33-35页 |
| 3.3 模型的求解 | 第35-38页 |
| 3.3.1 模型的算法 | 第35-38页 |
| 3.3.2 调整参数的选择 | 第38页 |
| 3.4 模拟分析 | 第38-48页 |
| 3.4.1 模拟设定 | 第38-41页 |
| 3.4.2 模拟一(P=10) | 第41-45页 |
| 3.4.3 模拟二(P=20) | 第45-48页 |
| 3.4.4 综合比较 | 第48页 |
| 3.5 本章小结 | 第48-50页 |
| 第4章 基于半监督学习的房屋信用贷款违约预测 | 第50-62页 |
| 4.1 研究背景 | 第50页 |
| 4.2 房屋信用贷款违约风险评估的发展和研究现状 | 第50-51页 |
| 4.3 数据说明和预处理 | 第51-54页 |
| 4.4 房屋信用贷款违约风险预测和变量选择结果 | 第54-61页 |
| 4.4.1 模型的变量选择能力及其解释性 | 第55-57页 |
| 4.4.2 模型的预测能力 | 第57-58页 |
| 4.4.3 模型的稳健性 | 第58-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 不足及展望 | 第63-64页 |
| 附录 表格 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-73页 |
