| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 引言 | 第8-14页 |
| §1.1 研究背景及意义 | 第8-9页 |
| §1.2 文献综述 | 第9-11页 |
| §1.2.1 海外文献 | 第9-10页 |
| §1.2.2 国内文献 | 第10-11页 |
| §1.3 研究内容 | 第11-14页 |
| §1.3.1 研究目的 | 第11-12页 |
| §1.3.2 研究内容 | 第12-13页 |
| §1.3.3 研究方法 | 第13-14页 |
| 第二章 数据挖掘技术与信用评分卡介绍 | 第14-18页 |
| §2.1 数据挖掘技术概述 | 第14-15页 |
| §2.1.1 数据挖掘概念 | 第14-15页 |
| §2.1.2 数据挖掘的过程 | 第15页 |
| §2.2 信用评分卡概述 | 第15-18页 |
| §2.2.1 信用评分卡发展的条件及历程 | 第15-16页 |
| §2.2.2 信用评分卡的分类 | 第16-18页 |
| 第三章 数据预处理 | 第18-29页 |
| §3.1 数据准备 | 第18-23页 |
| §3.1.1 引入变量 | 第18-19页 |
| §3.1.2 交叉验证分组 | 第19-23页 |
| §3.2 变量分析 | 第23-29页 |
| §3.2.1 正态分布检验 | 第23-27页 |
| §3.2.2 皮尔逊相关性检验 | 第27-29页 |
| 第四章 建立模型 | 第29-47页 |
| §4.1 建立logistic回归模型 | 第29-33页 |
| §4.1.1 理论背景 | 第29-30页 |
| §4.1.2 模型的建立及检验 | 第30-33页 |
| §4.2 建立分类决策树模型 | 第33-35页 |
| §4.2.1 理论背景 | 第33-34页 |
| §4.2.2 模型的建立与检验 | 第34-35页 |
| §4.3 建立SVM模型 | 第35-37页 |
| §4.3.1 理论背景 | 第35-37页 |
| §4.3.2 模型的建立与检验 | 第37页 |
| §4.4 建立神经网络模型 | 第37-39页 |
| §4.4.1 理论背景 | 第37-38页 |
| §4.4.2 模型的建立与检验 | 第38-39页 |
| §4.5 分类模型的对比 | 第39-40页 |
| §4.6 信用评分卡模型 | 第40-47页 |
| §4.6.1 logistic回归模型的精确度再检验 | 第40-43页 |
| §4.6.2 WOE与标准评分卡 | 第43-45页 |
| §4.6.3 信用评分卡模型 | 第45-47页 |
| 第五章 总结 | 第47-48页 |
| 参考文献 | 第48-50页 |
| 致谢 | 第50-51页 |