国产伦乱,一曲二曲欧美日韩,AV在线不卡免费在线不卡免费,搞91AV视频

當前位置:主頁 > 管理論文 > 貨幣論文 >

基于混合特征提取和集成學(xué)習(xí)的個人貸款違約預(yù)測研究

發(fā)布時間:2025-07-03 03:17
  隨著互聯(lián)網(wǎng)金融的不斷發(fā)展,許多小貸公司因風(fēng)險控制能力不足,接連暴雷。借款人違約風(fēng)險評估模型作為一種有效的風(fēng)控手段,可以利用借款人的個人信息和社會活動數(shù)據(jù)發(fā)現(xiàn)用戶潛在的違約風(fēng)險,在小貸企業(yè)中發(fā)揮著顯著作用。本文針對借款用戶數(shù)據(jù)類別不平衡、特征維度高的特點以及企業(yè)接入數(shù)據(jù)成本高的問題,對信貸數(shù)據(jù)進行特征選擇和均衡化處理,并在此基礎(chǔ)上建立了基于集成學(xué)習(xí)的借款人違約風(fēng)險概率預(yù)測模型。具體研究內(nèi)容和貢獻如下:(1)本文提出了一種分層的特征選擇框架。首先使用ReliefS算法,通過在特征篩選階段給與少數(shù)類樣本更多關(guān)注,選擇出對少數(shù)類樣本區(qū)分能力強的特征,提高模型在不平衡樣本集的預(yù)測效果,結(jié)合Pearson相關(guān)系數(shù)法對復(fù)雜且高維的信貸特征進行快速的特征初篩,然后對剩余特征使用精篩算法。相比于直接進行特征精篩,在保證模型效果的前提下,分層特征選擇顯著提升了篩選效率。(2)針對不同預(yù)測模型特點提出了針對性的特征精篩算法。因邏輯回歸模型效果受信貸特征影響大,本文提出了IKPLasso特征篩選算法,從多個角度評估信貸特征,避免了單一評價指標造成信貸特征多方面信息被忽...

【文章頁數(shù)】:84 頁

【學(xué)位級別】:碩士

【文章目錄】:
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 國內(nèi)外研究歷史與現(xiàn)狀
        1.2.1 貸款違約預(yù)測的的研究現(xiàn)狀
        1.2.2 非平衡分類算法的研究現(xiàn)狀
        1.2.3 特性選擇算法的研究現(xiàn)狀
    1.3 本文的主要貢獻與創(chuàng)新
    1.4 本論文的結(jié)構(gòu)安排
第二章 相關(guān)理論知識與關(guān)鍵性技術(shù)
    2.1 不平衡分類算法
        2.1.1 數(shù)據(jù)層面
        2.1.2 算法層面
    2.2 特征選擇
        2.2.1 過濾式(Filter)算法
        2.2.2 包裹式(Wrapper)算法
        2.2.3 嵌入式(Embedded)算法
    2.3 邏輯回歸(Logistic Regression)算法
        2.3.1 邏輯回歸的預(yù)測函數(shù)
        2.3.2 邏輯回歸的損失函數(shù)
        2.3.3 邏輯回歸梯度下降法求解
    2.4 LightGBM算法
        2.4.1 GBDT算法基礎(chǔ)
        2.4.2 XGBoost算法基礎(chǔ)
        2.4.3 LightGBM算法基礎(chǔ)
    2.5 深度神經(jīng)網(wǎng)絡(luò)(DNN)算法
        2.5.1 神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
        2.5.2 DNN前向傳播
        2.5.3 DNN反向傳播
    2.6 本章小結(jié)
第三章 分層特征篩選算法
    3.1 特征處理與篩選框架
    3.2 特征初篩
        3.2.1 改進的Relief算法(ReliefS)
        3.2.2 皮爾森相關(guān)系數(shù)法
        3.2.3 特征初篩算法流程
    3.3 針對不同預(yù)測模型的個性化特征篩選算法
        3.3.1 邏輯回歸的特征篩選算法
        3.3.2 LightGBM的特征篩選算法
        3.3.3 深度神經(jīng)網(wǎng)絡(luò)的特征篩選算法
    3.4 本章小結(jié)
第四章 構(gòu)建信貸評估模型中的工程實現(xiàn)
    4.1 小貸場景數(shù)據(jù)集介紹
    4.2 探索性數(shù)據(jù)分析
    4.3 特征處理
        4.3.1 缺失值處理
        4.3.2 連續(xù)特征離散化
        4.3.3 WOE轉(zhuǎn)化
    4.4 特征構(gòu)建
    4.5 本章小結(jié)
第五章 實驗結(jié)果與分析
    5.1 實驗設(shè)置
    5.2 分層特征篩選算法效果對比
        5.2.1 實驗設(shè)計
        5.2.2 實驗結(jié)果
    5.3 結(jié)合特征選擇的邏輯回歸模型
        5.3.1 實驗設(shè)計
        5.3.2 實驗結(jié)果
    5.4 結(jié)合特征選擇的LightGBM模型
        5.4.1 實驗設(shè)計
        5.4.2 實驗結(jié)果
    5.5 結(jié)合特征選擇的DNN模型
        5.5.1 實驗設(shè)計
        5.5.2 實驗結(jié)果
    5.6 模型融合與比較
    5.7 RP+LightGBM-RRFE通用數(shù)據(jù)集的結(jié)果與分析
        5.7.1 數(shù)據(jù)描述與處理
        5.7.2 實驗設(shè)計
        5.7.3 實驗結(jié)果
    5.8 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 展望
致謝
參考文獻



本文編號:4055681

資料下載
論文發(fā)表

本文鏈接:http://lk138.cn/guanlilunwen/huobilw/4055681.html


Copyright(c)文論論文網(wǎng)All Rights Reserved | 網(wǎng)站地圖 |

版權(quán)申明:資料由用戶265d0***提供,本站僅收錄摘要或目錄,作者需要刪除請E-mail郵箱bigeng88@qq.com
艹大逼精品| 欧美偷拍家庭院| 精品久久性影院| 伊人久久激情四射| av销魂美女| 中文字幕精品一区二区三区电影 | 亚洲国产综合色在线视频| 欧美日本成人免费视频影院| www.大香蕉久久网| 久久久久日本123456| 欧美日本情色| 91黄片美女| 中文字幕精品A片不卡一区| 嗯啊操在线播放| 超碰 CaoPorn 小烟| 尤物无码dvd| 亚洲avxd| 丝袜人妖视频一区二区| 天天干天天干天天干天天射| 欧美性爱一级中文字幕| 97精品二区三区| 五月婷婷中午字幕| 日韩免费不卡一| 色呦呦精品视频在线| 欧美激情爽图| 天天爽夜夜操一区二区| 国产精品香蕉欧美| 麻豆视频三级在线| 一区二区在线麻豆| 久久精品国产综合婷婷五月| 午夜精品亚洲区一区二区三| 全色无码| 欧美极品第四页| 久久久久黄色片网站| 欧美在线大鸡巴痒啊哦哦| 大屁股一级后入大屁股亚州 | 国产无码插穴AV电影| 久久久不卡国产一区| 午夜国产黄色电影| 国产激情后入欧美黑人| 欧美日韩中文在线免费观看|