数据挖掘在个人信用风险研究中的应用--以大学生信用卡风险研究为例
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 表目录 | 第8-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究动态 | 第10-12页 |
| 1.3 本文主要工作 | 第12-14页 |
| 第二章 数据挖掘技术与信用卡风险模型 | 第14-21页 |
| 2.1 数据挖掘技术 | 第14-16页 |
| 2.1.1 数据挖掘的定义 | 第14页 |
| 2.1.2 数据挖掘的功能 | 第14-16页 |
| 2.2 聚类算法 | 第16-18页 |
| 2.2.1 聚类分析 | 第16-17页 |
| 2.2.2 关联规则 | 第17-18页 |
| 2.3 信用卡风险评估 | 第18-19页 |
| 2.3.1 个人信用卡风险 | 第18页 |
| 2.3.2 个人信用分析方法 | 第18-19页 |
| 2.4 基于数据挖掘技术的信用卡风险评估 | 第19-21页 |
| 第三章 基于数据挖掘的信用卡风险评估系统设计 | 第21-38页 |
| 3.1 系统架构设计 | 第21-25页 |
| 3.2 信用卡数据的信息集成 | 第25-28页 |
| 3.3 信用卡风险模型设计与分析 | 第28-38页 |
| 3.3.1 个人信贷静态最优风险模型 | 第30页 |
| 3.3.2 模型评价 | 第30-32页 |
| 3.3.3 信用卡数据的分类决策树分析 | 第32-38页 |
| 3.3.3.1 系统搭建 | 第33-34页 |
| 3.3.3.2 数据结构的构建及模型求解 | 第34-38页 |
| 第四章 基于 K-近邻算法的模型改进及求解 | 第38-47页 |
| 4.1 模型改进 | 第38-39页 |
| 4.2 模型求解及分析 | 第39-47页 |
| 第五章 总结和展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 在学期间发表的学术论文及研究成果 | 第52-53页 |
| 附录 | 第53-58页 |
| 详细摘要 | 第58-70页 |
