| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 引言 | 第12-25页 |
| 1.1 研究背景和意义 | 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 国内外文献综述 | 第14-20页 |
| 1.2.1 网络借贷平台国内外发展现状 | 第14-16页 |
| 1.2.2 精准营销理论研究 | 第16-17页 |
| 1.2.3 网络借贷平台用户贷款影响因素研究 | 第17-18页 |
| 1.2.4 网络借贷预测模型研究 | 第18-20页 |
| 1.2.5 国内外研究评述 | 第20页 |
| 1.3 研究内容与方法 | 第20-21页 |
| 1.3.1 研究内容 | 第20-21页 |
| 1.3.2 研究方法 | 第21页 |
| 1.4 主要工作和创新 | 第21-23页 |
| 1.4.1 主要工作 | 第21-22页 |
| 1.4.2 论文的创新点 | 第22-23页 |
| 1.5 论文的基本结构 | 第23-25页 |
| 第2章 网络借贷用户行为预测原理及相关技术 | 第25-33页 |
| 2.1 数据挖掘基本流程 | 第25-27页 |
| 2.2 大数据背景下的精准借贷 | 第27-28页 |
| 2.2.1 精准借贷的含义 | 第27页 |
| 2.2.2 网络借贷平台精准借贷流程 | 第27-28页 |
| 2.3 稀疏贝叶斯网络 | 第28-31页 |
| 2.3.1 贝叶斯网络 | 第28-29页 |
| 2.3.2 稀疏贝叶斯网络结构学习 | 第29-31页 |
| 2.4 集成学习 | 第31-32页 |
| 2.5 小结 | 第32-33页 |
| 第3章 网络借贷平台用户二次贷款预测指标体系构建 | 第33-49页 |
| 3.1 网络借贷平台用户二次贷款预测指标体系 | 第33-38页 |
| 3.1.1 构建原则 | 第33-34页 |
| 3.1.2 数据集介绍 | 第34-35页 |
| 3.1.3 变量初选 | 第35-38页 |
| 3.2 数据预处理 | 第38-43页 |
| 3.2.1 数据集成 | 第38-39页 |
| 3.2.2 数据清理 | 第39-43页 |
| 3.2.3 数据规范化 | 第43页 |
| 3.3 基于弹性网的变量筛选 | 第43-48页 |
| 3.3.1 弹性网 | 第43-46页 |
| 3.3.2 变量二次筛选结果 | 第46-48页 |
| 3.4 小结 | 第48-49页 |
| 第4章 网络借贷平台用户二次贷款指标网络构建和分析 | 第49-61页 |
| 4.1 组稀疏贝叶斯网络模型 | 第49-54页 |
| 4.1.1 分组正则化 | 第50-51页 |
| 4.1.2 组稀疏贝叶斯网络模型推导 | 第51-53页 |
| 4.1.3 组稀疏贝叶斯网络求解 | 第53-54页 |
| 4.2 网络借贷用户行为关系网络构建 | 第54-57页 |
| 4.2.1 稀疏贝叶斯网的优势 | 第54-55页 |
| 4.2.2 实验环境和参数设置 | 第55-57页 |
| 4.3 网络借贷用户行为关系网络分析 | 第57-60页 |
| 4.4 小结 | 第60-61页 |
| 第5章 基于Xg-boost的用户二次贷款预测模型构建 | 第61-73页 |
| 5.1 Xg-boost概述 | 第61-64页 |
| 5.1.1 Xg-boost原理 | 第61-63页 |
| 5.1.2 Xg-boost优越性分析 | 第63-64页 |
| 5.2 基于Xg-boost的二次贷款预测模型 | 第64-71页 |
| 5.2.1 网络借贷二次贷款实验环境 | 第67页 |
| 5.2.2 预测模型性能评估指标 | 第67-68页 |
| 5.2.3 网络借贷二次贷款预测模型分析 | 第68-71页 |
| 5.3 不同分类器下二次贷款预测 | 第71-72页 |
| 5.4 小结 | 第72-73页 |
| 第6章 网络借贷平台精准借贷相关建议 | 第73-75页 |
| 6.1 坚持诚信守法经营，树立正确营销理念 | 第73页 |
| 6.2 充分利用客户信息，构建用户行为网络 | 第73-74页 |
| 6.3 利用数据挖掘技术，实施精准借贷战略 | 第74-75页 |
| 结论与展望 | 第75-77页 |
| 1、结论 | 第75-76页 |
| 2、展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-82页 |
| 攻读博/硕士学位期间发表的论文和其它科研情况 | 第82-83页 |