| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 研究内容及技术路线 | 第10-12页 |
| 2 随机森林理论算法 | 第12-18页 |
| 2.1 决策树 | 第12-14页 |
| 2.2 Bagging技术 | 第14页 |
| 2.3 随机森林模型 | 第14-17页 |
| 2.3.1 随机森林的基本思想 | 第14-15页 |
| 2.3.2 随机森林的理论基础 | 第15-17页 |
| 2.3.3 OOB估计 | 第17页 |
| 2.3.4 随机森林模型的优点 | 第17页 |
| 2.4 本章小结 | 第17-18页 |
| 3 贝叶斯分类模型 | 第18-28页 |
| 3.1 概率论基础 | 第18-20页 |
| 3.1.1 条件概率和乘法定理 | 第18页 |
| 3.1.2 全概率公式和贝叶斯公式 | 第18-19页 |
| 3.1.3 极大似然估计和极大后验估计 | 第19-20页 |
| 3.2 朴素贝叶斯分类模型 | 第20-23页 |
| 3.2.1 NB结构表示 | 第20页 |
| 3.2.2 NB表示形式 | 第20-22页 |
| 3.2.3 NB参数学习 | 第22-23页 |
| 3.3 贝叶斯网络模型 | 第23-25页 |
| 3.3.1 BBN结构表示 | 第23-24页 |
| 3.3.2 BBN特点 | 第24-25页 |
| 3.4 树增强朴素贝叶斯(TAN)分类模型 | 第25-27页 |
| 3.4.1 TAN结构表示 | 第25-26页 |
| 3.4.2 TAN表示形式 | 第26页 |
| 3.4.3 TAN评价 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 4 基于随机森林特征选择的贝叶斯信用评估模型 | 第28-34页 |
| 4.1 随机森林特征选择 | 第28-29页 |
| 4.2 基于RF特征选择的NB信用评估模型（RF-NB） | 第29-30页 |
| 4.3 基于RF特征选择的TAN信用评估模型（RF-TAN） | 第30-32页 |
| 4.4 本章小结 | 第32-34页 |
| 5 银行客户信用风险评估分析 | 第34-38页 |
| 5.1 数据描述 | 第34页 |
| 5.2 实证结果与分析 | 第34-37页 |
| 5.3 本章小结 | 第37-38页 |
| 6 结论与展望 | 第38-40页 |
| 6.1 本文总结 | 第38页 |
| 6.2 工作展望 | 第38-40页 |
| 攻读硕士学位期间发表的学术论文 | 第40-42页 |
| 致谢 | 第42-44页 |
| 参考文献 | 第44-46页 |