信用卡客户的信用评分模型研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 绪论 | 第8-10页 |
| 1.1 背景 | 第8页 |
| 1.2 研究意义 | 第8-10页 |
| 第2章 国内外信用评分研究综述 | 第10-12页 |
| 2.1 信用评分发展 | 第10页 |
| 2.2 国外信用评分研究现状 | 第10-11页 |
| 2.3 国内信用评分研究现状 | 第11页 |
| 2.4 研究思路与内容 | 第11-12页 |
| 第3章 信用评分模型效果检验 | 第12-14页 |
| 3.1 分类精度 | 第12页 |
| 3.2 错误率 | 第12-13页 |
| 3.3 ROC曲线 | 第13-14页 |
| 第4章 指标建立与数据预处理 | 第14-23页 |
| 4.1 数据采集与指标选取 | 第14页 |
| 4.2 数据清理 | 第14-18页 |
| 4.2.1 缺失值的处理 | 第14-16页 |
| 4.2.2 异常值检验 | 第16-18页 |
| 4.3 新增变量 | 第18-19页 |
| 4.4 相关性分析与冗余处理 | 第19-20页 |
| 4.5 主成分分析 | 第20-22页 |
| 4.6 训练集与测试集的选取 | 第22页 |
| 4.7 不平衡数据问题研究 | 第22-23页 |
| 第5章 信用评分模型的应用 | 第23-38页 |
| 5.1 评分模型常用方法 | 第23-24页 |
| 5.2 逻辑回归原理与应用 | 第24-26页 |
| 5.2.1 逻辑回归原理 | 第24-25页 |
| 5.2.2 逻辑回归应用 | 第25-26页 |
| 5.3 判别分析原理与应用 | 第26-29页 |
| 5.3.1 判别分析原理 | 第26-28页 |
| 5.3.2 线性判别分析应用 | 第28-29页 |
| 5.4 决策树原理与应用 | 第29-32页 |
| 5.4.1 决策树原理 | 第29-31页 |
| 5.4.2 决策树应用 | 第31-32页 |
| 5.5 支持向量机原理与应用 | 第32-34页 |
| 5.5.1 支持向量机原理 | 第32-34页 |
| 5.5.2 支持向量机应用 | 第34页 |
| 5.6 随机森林原理和应用 | 第34-36页 |
| 5.6.1 随机森林原理 | 第34-35页 |
| 5.6.2 随机森林应用 | 第35-36页 |
| 5.7 Adaboost提升法原理和应用 | 第36-38页 |
| 5.7.1 Adaboost提升法原理 | 第36页 |
| 5.7.2 Adaboost提升法应用 | 第36-38页 |
| 第6章 模型的比较 | 第38-41页 |
| 6.1 模型精度的比较 | 第38-39页 |
| 6.2 错误分类率的比较 | 第39页 |
| 6.3 适用条件的比较 | 第39-40页 |
| 6.4 模型解释能力的比较 | 第40页 |
| 6.5 总结 | 第40-41页 |
| 参考文献 | 第41-43页 |
| 致谢 | 第43-44页 |
