随机森林在P2P网贷借款信用风险评估中的应用
| 中文摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 信用评估方法文献综述 | 第12-14页 |
| 1.2.1 国外文献综述 | 第12-13页 |
| 1.2.2 国内文献综述 | 第13-14页 |
| 1.2.3 国内外研究评述 | 第14页 |
| 1.3 个人信用风险评估常用方法 | 第14-17页 |
| 1.3.1 基于统计学的方法 | 第14-16页 |
| 1.3.2 基于机器学习的方法 | 第16-17页 |
| 1.4 分类性能评价常用指标 | 第17-18页 |
| 1.5 论文结构 | 第18-20页 |
| 第二章 随机森林理论概述 | 第20-30页 |
| 2.1 决策树方法简介 | 第20-23页 |
| 2.1.1 决策树分类 | 第20-21页 |
| 2.1.2 节点分裂标准 | 第21-23页 |
| 2.2 分类回归树(CART) | 第23-24页 |
| 2.2.1 CART构造 | 第23-24页 |
| 2.2.2 CART剪枝 | 第24页 |
| 2.3 Bagging算法 | 第24-25页 |
| 2.4 随机森林 | 第25-29页 |
| 2.4.1 随机森林定义及算法 | 第25-26页 |
| 2.4.2 随机森林的泛化误差理论 | 第26-28页 |
| 2.4.3 OOB估计 | 第28-29页 |
| 2.5 加权随机森林(WRF) | 第29-30页 |
| 第三章 数据预处理及特征选择 | 第30-37页 |
| 3.1 数据介绍 | 第30-31页 |
| 3.2 数据预处理 | 第31-32页 |
| 3.3 随机森林特征选择 | 第32-37页 |
| 第四章 基于随机森林的个人信用风险评估实证研究 | 第37-49页 |
| 4.1 随机森林模型参数选择 | 第37-40页 |
| 4.1.1 ntree的选择 | 第37-38页 |
| 4.1.2 mtry的选择 | 第38-39页 |
| 4.1.3 classwt的选择 | 第39-40页 |
| 4.2 P2P信贷数据信用评估实证结果及其分析 | 第40-41页 |
| 4.3 基于RF算法的传统个人信用风险评估 | 第41-44页 |
| 4.3.1 针对德国数据集 | 第42-43页 |
| 4.3.2 针对澳大利亚数据集 | 第43-44页 |
| 4.4 实验小结 | 第44-45页 |
| 4.5 对不平衡数据的处理 | 第45-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 总结与建议 | 第49-50页 |
| 5.2 不足与展望 | 第50-51页 |
| 附录 | 第51-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59-60页 |
| 学位论文评阅及答辩情况表 | 第60页 |
