基于随机森林的个人信用评价指标分析
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 选题背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 个人信用评估国内外研宄综述 | 第11-16页 |
| 1.3.1 个人信用评估国外研究综述 | 第11-13页 |
| 1.3.2 个人信用评估国内研究综述 | 第13-15页 |
| 1.3.3 个人信用评估研究述评 | 第15-16页 |
| 1.4 本文研究方法、思路及组织架构 | 第16-18页 |
| 1.4.1 研究方法 | 第16-17页 |
| 1.4.2 研究思路 | 第17-18页 |
| 1.4.3 本文的组织架构 | 第18页 |
| 1.5 本文创新点与不足 | 第18-20页 |
| 1.5.1 创新点 | 第18-19页 |
| 1.5.2 存在的不足 | 第19-20页 |
| 第二章 随机森林相关理论及算法简介 | 第20-29页 |
| 2.1 决策树简介 | 第20-24页 |
| 2.1.1 决策树的分裂算法 | 第21-24页 |
| 2.2 组合方法 | 第24-26页 |
| 2.2.1 组合方法基本原理 | 第24-25页 |
| 2.2.2 构建组合分类器方法 | 第25-26页 |
| 2.3 随机森林的算法及理论基础 | 第26-29页 |
| 2.3.1 随机森林定义 | 第26页 |
| 2.3.2 随机森林的算法描述 | 第26-29页 |
| 第三章 基于不平衡数据的随机森林模型 | 第29-35页 |
| 3.1 不平衡数据 | 第29-32页 |
| 3.1.1 数据平衡化相关方法 | 第29-30页 |
| 3.1.2 不平衡数据分类的评价准则 | 第30-32页 |
| 3.2 不平衡数据与随机森林 | 第32-35页 |
| 3.2.1 基于不平衡数据的随机森林算法 | 第32-34页 |
| 3.2.2 随机森林特征子空间的选取 | 第34-35页 |
| 第四章 实证分析 | 第35-47页 |
| 4.1 数据来源与说明 | 第35页 |
| 4.2 数据预处理 | 第35-37页 |
| 4.3 样本数据的初步分析 | 第37-40页 |
| 4.4 实验结果 | 第40-46页 |
| 4.4.1 数据层面的对比分析 | 第40-43页 |
| 4.4.2 模型之间的对比分析 | 第43-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 研究总结 | 第47页 |
| 5.2 研究展望 | 第47-49页 |
| 参考文献 | 第49-54页 |
| 附录 | 第54-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间发表的学术论文 | 第57页 |
