声明
1 绪论
1.1 研究背景与问题提出
1.2 研究意义
1.3 技术路线与主要研究内容
2 相关文献综述
2.1 P2P贷款信用风险评价方法研究现状
2.1.1 传统信用风险评价方法研究
2.1.2 基于机器学习的信用风险评价方法研究
2.2 随机森林改进研究现状
2.3 机器学习模型可解释性研究现状
2.3.1 分解式方法
2.3.2 教学式方法
3 以投资者收益评价函数为目标的基于GA-RF的信用风险评价方法
3.1投资者收益评价函数 Profit score
3.2 方法框架
3.3 基于遗传算法的随机森林优化
3.3.1 问题描述
3.3.2 遗传算法
3.4 实验与分析
3.4.1 数据集与特征选择
3.4.2 模型评价准则
3.4.3 随机森林参数优化
3.4.4 实验设置
3.4.5 实验结果分析
3.4.6 讨论与建议
4 一种面向可解释信用风险评价的改进教学式方法
4.1 改进教学式方法框架
4.2 基于Weight-SMOTE的伪数据集抽样方法
4.3 教学式方法评价指标
4.4 实验与分析
4.4.1 模型评价准则
4.4.2 实验设置
4.4.3 实验结果与讨论
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢
大连理工大学学位论文版权使用授权书
大连理工大学;