基于移动电信数据个人征信模型研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究意义 | 第11-12页 |
| 1.4 论文框架 | 第12-14页 |
| 第二章 常见征信模型分析与比较 | 第14-32页 |
| 2.1 基于统计学方法 | 第14-28页 |
| 2.1.1 逻辑回归模型 | 第14-18页 |
| 2.1.2 决策树模型 | 第18-22页 |
| 2.1.3 支持向量机模型 | 第22-28页 |
| 2.2 基于智能评价方法 | 第28-30页 |
| 2.2.1 神经网络模型 | 第28-30页 |
| 2.3 常用征信模型比较 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 电信数据预处理与挖掘 | 第32-45页 |
| 3.1 电信数据预处理 | 第32-39页 |
| 3.1.1 电信数据简介 | 第32-33页 |
| 3.1.2 特征选择 | 第33-36页 |
| 3.1.3 电信数据预处理 | 第36-39页 |
| 3.2 电信数据挖掘 | 第39-44页 |
| 3.2.1 数据挖掘简述 | 第39-40页 |
| 3.2.2 电信数据分析 | 第40-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第四章 基于随机森林的个人征信模型设计 | 第45-57页 |
| 4.1 集成学习简述 | 第45-46页 |
| 4.2 集成学习理论基础 | 第46-47页 |
| 4.2.1 集成学习起源 | 第46页 |
| 4.2.2 集成学习作用与构成 | 第46-47页 |
| 4.3 基于随机森林的个人征信模型设计 | 第47-50页 |
| 4.4 仿真结果分析 | 第50-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第五章 总结和展望 | 第57-59页 |
| 5.1 本文研究工作总结 | 第57页 |
| 5.2 未来研究展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表的学术论文目录 | 第63页 |
