数据挖掘组合模型在个人信用风险评估中的应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 问题的提出及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文研究目的及内容 | 第12-14页 |
| 1.3.1 研究目的 | 第12页 |
| 1.3.2 研究内容 | 第12-14页 |
| 第2章 数据挖掘技术概述 | 第14-21页 |
| 2.1 数据挖掘的定义 | 第14页 |
| 2.2 数据挖掘的过程 | 第14-16页 |
| 2.3 本文的数据挖掘算法 | 第16-21页 |
| 2.3.1 Logit理论模型 | 第16-18页 |
| 2.3.2 随机森林 | 第18-19页 |
| 2.3.3 人工神经网络 | 第19-21页 |
| 第3章 个人信用评估概述 | 第21-23页 |
| 3.1 个人信用评估定义 | 第21页 |
| 3.2 个人信用评估的影响因素 | 第21-22页 |
| 3.3 数据挖掘在个人信用风险评估中的应用价值 | 第22-23页 |
| 第4章 基于数据挖掘算法的实证分析 | 第23-44页 |
| 4.1 数据准备 | 第23-26页 |
| 4.1.1 数据获取 | 第23页 |
| 4.1.2 变量选择 | 第23-25页 |
| 4.1.3 数据清理 | 第25-26页 |
| 4.2 数据的描述性统计 | 第26-32页 |
| 4.3 基于Logistic回归方法的实证分析 | 第32-39页 |
| 4.3.1 建立回归模型 | 第32-35页 |
| 4.3.2 模型评价 | 第35-38页 |
| 4.3.3 模型确定 | 第38-39页 |
| 4.4 基于神经网络模型的实证分析 | 第39-42页 |
| 4.4.1 BP网络的分类预测 | 第39-40页 |
| 4.4.2 BP网络模型的优化 | 第40-41页 |
| 4.4.3 模型确定 | 第41-42页 |
| 4.5 组合模型的实证分析 | 第42-43页 |
| 4.5.1 随机森林 | 第42-43页 |
| 4.5.2 组合模型的建立与预测 | 第43页 |
| 4.6 组合模型与单一模型对比分析 | 第43-44页 |
| 总结 | 第44-45页 |
| 参考文献 | 第45-47页 |
| 致谢 | 第47-48页 |
