| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-25页 |
| 1.1 选题背景与研究意义 | 第9-12页 |
| 1.1.1 选题背景 | 第9-10页 |
| 1.1.2 研究目的和意义 | 第10-12页 |
| 1.2 国内外P2P网贷行业发展现状与风险控制 | 第12-16页 |
| 1.2.1 国外P2P行业发展现状与风险控制 | 第12-13页 |
| 1.2.2 国内P2P网贷行业发展现状与风险控制 | 第13-16页 |
| 1.2.2.1 发展现状与借贷模式 | 第13-15页 |
| 1.2.2.2 P2P网贷平台风险控制 | 第15-16页 |
| 1.3 国内外在该方向的研究现状及分析 | 第16-22页 |
| 1.3.1 国外研究现状 | 第16页 |
| 1.3.2 国内研究现状 | 第16-17页 |
| 1.3.3 有待进一步研究的问题 | 第17-18页 |
| 1.3.4 国内外文献综述 | 第18-22页 |
| 1.4 研究思路及研究方法 | 第22-25页 |
| 1.4.1 研究思路和内容 | 第22-24页 |
| 1.4.2 研究方法 | 第24-25页 |
| 第2章 相关理论分析 | 第25-38页 |
| 2.1 机器学习技术的概念 | 第25-26页 |
| 2.2 机器学习算法 | 第26-30页 |
| 2.2.1 随机森林 | 第26-28页 |
| 2.2.2 GBDT与Xgboost | 第28-30页 |
| 2.3 P2P风控模式分析 | 第30-37页 |
| 2.3.1 评分卡模型及WOE、IV原理 | 第30-35页 |
| 2.3.2 以P2P为先导的大数据风控与传统风控的比较 | 第35-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第3章 基于机器学习技术的P2P风控模型构建 | 第38-61页 |
| 3.1 研究对象的选择及分析 | 第38-47页 |
| 3.1.1 研究对象的选择 | 第38页 |
| 3.1.2 研究对象的分析 | 第38-47页 |
| 3.2 模型设定与建立 | 第47-59页 |
| 3.2.1 清洗模型数据 | 第48页 |
| 3.2.2 特征工程-参数调优 | 第48-52页 |
| 3.2.3 模型构建 | 第52-56页 |
| 3.2.4 模型训练和测试 | 第56-59页 |
| 3.3 机器学习技术构建的模型与传统风控模型的过程对比 | 第59-60页 |
| 3.4 本章小结 | 第60-61页 |
| 第4章 风控模型的评估 | 第61-66页 |
| 4.1 基于下采样与过采样的验证策略 | 第61-64页 |
| 4.2 策略对比与验证效果 | 第64页 |
| 4.3 本章小结 | 第64-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录 | 第71-78页 |
| 附件 1：程序源代码 | 第71-78页 |
| 致谢 | 第78页 |