| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 主要研究内容 | 第12-14页 |
| 1.4 本文创新点 | 第14-15页 |
| 第2章 相关数据挖掘技术 | 第15-23页 |
| 2.1 聚类方法 | 第15-18页 |
| 2.1.1 基于划分的方法 | 第15-16页 |
| 2.1.2 基于层次的方法 | 第16-17页 |
| 2.1.3 基于密度的方法 | 第17页 |
| 2.1.4 基于模型的方法 | 第17页 |
| 2.1.5 基于网格的方法 | 第17-18页 |
| 2.2 分类方法 | 第18-19页 |
| 2.2.1 决策树分类 | 第18页 |
| 2.2.2 贝叶斯分类 | 第18-19页 |
| 2.2.3 基于数据库技术的分类 | 第19页 |
| 2.3 聚类有效性评价 | 第19-22页 |
| 2.3.1 外部评价法 | 第19页 |
| 2.3.2 内部评价法 | 第19-22页 |
| 2.4 数据挖掘技术在P2P网贷市场研究中的适用性 | 第22-23页 |
| 第3章 基于密度峰值聚类的P2P网贷平台风险识别研究 | 第23-33页 |
| 3.1 引言 | 第23页 |
| 3.2 密度峰值聚类算法 | 第23-24页 |
| 3.3 P2P网贷平台风险识别模型框架 | 第24-28页 |
| 3.4 实验及结果分析 | 第28-32页 |
| 3.4.1 数据收集与整理 | 第28-29页 |
| 3.4.2 因子分析 | 第29-31页 |
| 3.4.3 聚类结果与风险分析 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于决策树C5.0算法的P2P网贷平台风险分类规则研究 | 第33-39页 |
| 4.1 引言 | 第33页 |
| 4.2 决策树C5.0算法 | 第33页 |
| 4.3 P2P网贷平台分类框架 | 第33-34页 |
| 4.4 实验及结果分析 | 第34-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第5章 互联网属性视角下的P2P网贷平台风险识别研究 | 第39-48页 |
| 5.1 引言 | 第39页 |
| 5.2 新型P2P网贷平台风险识别模型的构建 | 第39-41页 |
| 5.2.1 新增风险评估指标假设 | 第40-41页 |
| 5.3 实验及结果分析 | 第41-47页 |
| 5.3.1 数据收集与整理 | 第41-42页 |
| 5.3.2 因子分析 | 第42-44页 |
| 5.3.3 聚类结果与风险分析 | 第44-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第6章 互联网属性视角下P2P网贷平台风险分类规则研究 | 第48-53页 |
| 6.1 引言 | 第48页 |
| 6.2 数据预处理 | 第48页 |
| 6.3 分类结果分析 | 第48-51页 |
| 6.4 本章小结 | 第51-53页 |
| 第7章 总结与建议 | 第53-57页 |
| 7.1 主要工作总结 | 第53-54页 |
| 7.2 启示与建议 | 第54-55页 |
| 7.3 未来工作展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 作者简历 | 第62-63页 |
| 后记 | 第63页 |
