基于数据挖掘的P2P网贷个人信用评价模型研究
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 研究目的及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 本文研究方法与结构 | 第9-12页 |
| 1.3.1 研究方法 | 第9页 |
| 1.3.2 论文结构 | 第9-12页 |
| 第2章 个人信用评价数据预处理与特征选择 | 第12-20页 |
| 2.1 剔除部分数据 | 第12-14页 |
| 2.2 缺失值处理 | 第14页 |
| 2.3 数据不平衡的处理方法 | 第14-15页 |
| 2.4 特征选择 | 第15-17页 |
| 2.5 数据规范化 | 第17-18页 |
| 2.6 模型评价标准 | 第18-20页 |
| 第3章 个人信用评估模型建立 | 第20-37页 |
| 3.1 建立Logistic回归模型 | 第20-23页 |
| 3.1.1 Logistic回归模型简述 | 第20页 |
| 3.1.2 不平衡数据实证 | 第20-21页 |
| 3.1.3 平衡数据实证 | 第21-23页 |
| 3.2 建立随机森林模型 | 第23-28页 |
| 3.2.1 随机森林模型简述 | 第23-24页 |
| 3.2.2 不平衡数据构建随机森林模型 | 第24-26页 |
| 3.2.3 平衡数据构建随机森林模型 | 第26-28页 |
| 3.3 建立人工神经网络模型 | 第28-32页 |
| 3.3.1 人工神经网络简述 | 第28-29页 |
| 3.3.2 不平衡数据实证 | 第29-30页 |
| 3.3.3 平衡数据实证 | 第30-32页 |
| 3.4 建立支持向量机模型 | 第32-37页 |
| 3.4.1 支持向量机模型简述 | 第32-35页 |
| 3.4.2 不平衡数据实证 | 第35页 |
| 3.4.3 平衡数据实证 | 第35-37页 |
| 第4章 模型预测效果比较 | 第37-39页 |
| 第5章 总结与展望 | 第39-40页 |
| 附录 | 第40-47页 |
| 参考文献 | 第47-49页 |
| 攻读学位期间发表的论文和研究成果 | 第49-50页 |
| 致谢 | 第50页 |
