基于电信数据的用户信用评价模型的研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 主要工作及创新点 | 第15-16页 |
| 1.4 论文框架 | 第16-17页 |
| 第二章 征信算法 | 第17-33页 |
| 2.1 有监督征信算法 | 第17-25页 |
| 2.1.1 基于逻辑回归的征信算法 | 第17-19页 |
| 2.1.2 基于支持向量机的征信算法 | 第19-21页 |
| 2.1.3 基于决策树的征信算法 | 第21-23页 |
| 2.1.4 基于随机森林的征信算法 | 第23-24页 |
| 2.1.5 基于神经网络的征信算法 | 第24-25页 |
| 2.2 无监督征信算法 | 第25-28页 |
| 2.3 常用征信算法比较 | 第28-29页 |
| 2.4 征信算法性能评估 | 第29-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 不平衡数据集的处理 | 第33-41页 |
| 3.1 不平衡数据集的问题分析 | 第33页 |
| 3.2 数据集均衡方案分析 | 第33-36页 |
| 3.2.1 基于过采样的均衡方案分析 | 第33-35页 |
| 3.2.2 基于欠采样的均衡方案分析 | 第35-36页 |
| 3.3 基于聚类的融合采样改进方法 | 第36-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 电信数据特征处理 | 第41-61页 |
| 4.1 基于征信业务的特征分析与使用方案构建 | 第41-43页 |
| 4.2 电信数据清洗 | 第43-44页 |
| 4.3 基于CBOU算法的样本均衡 | 第44-45页 |
| 4.4 结构化特征处理与分析 | 第45-53页 |
| 4.4.1 单列特征处理 | 第45-47页 |
| 4.4.2 基于白化的特征降维 | 第47-50页 |
| 4.4.3 基于随机森林的特征选择 | 第50-53页 |
| 4.5 非结构化特征处理与分析 | 第53-59页 |
| 4.6 本章小结 | 第59-61页 |
| 第五章 电信用户信用模型构建 | 第61-77页 |
| 5.1 GBDT算法介绍 | 第61-63页 |
| 5.2 基于融合算法的用户信用模型设计 | 第63-66页 |
| 5.3 仿真与分析 | 第66-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 论文工作总结 | 第77-78页 |
| 6.2 论文进一步工作方向 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83页 |
