| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 研究目的和意义 | 第11-13页 |
| 1.3 研究的主要内容 | 第13-14页 |
| 1.4 研究方法和技术路线图 | 第14-17页 |
| 1.4.1 研究方法 | 第14-16页 |
| 1.4.2 技术路线图 | 第16-17页 |
| 1.5 论文的主要贡献 | 第17-18页 |
| 第2章 文献综述与相关理论 | 第18-30页 |
| 2.1 文献综述 | 第18-22页 |
| 2.1.1 基于P2P信贷预测研究 | 第18-19页 |
| 2.1.2 基于最新分类模型的研究运用 | 第19-20页 |
| 2.1.3 基于用户粘性的研究 | 第20-21页 |
| 2.1.4 文献述评 | 第21-22页 |
| 2.2 相关理论 | 第22-30页 |
| 2.2.1 相关知识简介 | 第22-24页 |
| 2.2.2 基础算法 | 第24-30页 |
| 第3章 数据预处理 | 第30-42页 |
| 3.1 数据描述 | 第30-35页 |
| 3.1.1 user_info用户信息表 | 第31-33页 |
| 3.1.2 cosumption_recode消费信息表 | 第33-34页 |
| 3.1.3 rong_tag用户行为表 | 第34-35页 |
| 3.1.4 relation用户关系表 | 第35页 |
| 3.2 特征工程 | 第35-39页 |
| 3.2.1 特征生成 | 第36-38页 |
| 3.2.2 特征选择 | 第38-39页 |
| 3.3 缺失值处理 | 第39页 |
| 3.4 变量离散化 | 第39-41页 |
| 3.5 本章小节 | 第41-42页 |
| 第4章 用户是否二次贷款预测模型的建立 | 第42-53页 |
| 4.1 模型预测 | 第42-48页 |
| 4.1.1 10 -cv-随机森林模型实证结果 | 第42-44页 |
| 4.1.2 10 -cv-LightGBM模型实证结果 | 第44-46页 |
| 4.1.3 10 -cv-gcForest模型实证结果 | 第46-48页 |
| 4.1.4 串行融合、AUC融合模型实证结果 | 第48页 |
| 4.2 模型评价 | 第48页 |
| 4.3 深入挖掘 | 第48-53页 |
| 第5章 总结与不足 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 不足 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录 | 第58-65页 |
| 致谢 | 第65页 |
