声明
第一章、 绪论
1.1研究背景及意义
1.2 国内外研究现状
1.2.1 个人逾期还款概率预测研究现状
1.2.2 卷积神经网络的研究现状
1.3 主要研究内容及创新点
1.4 论文的结构
第二章、深度学习与机器学习相关技术
2.1人工神经网络
2.1.1 神经元
2.1.2 BP神经网络
2.2 深度学习
2.2.1 循环神经网络
2.2.2 卷积神经网络
2.3 传统机器学习模型
2.3.1 逻辑回归
2.3.2 决策树算法
2.3.3 朴素贝叶斯分类算法
2.3.4 XGBoost模型
2.4 本章小结
第三章、基于卷积神经网络的分期购物用户逾期还款概率预测
3.1数据描述与分析
3.1.1数据描述
3.1.2数据分析及处理
3.2改进的卷积神经网络模型的提出
3.2.1 卷积神经网络结构的设计
3.2.2 softmax分类器
3.2.3防止过拟合Dropout方法
3.2.4 batch归一化层
3.2.5 激活函数的选取
3.2.6模型训练
3.3实验部分
3.3.1实验环境
3.3.2 分类评价指标
3.3.3 卷积神经网络优化效果
3.3.4对比实验
3.3.5结果分析
3.4 本章小结
第四章、基于CNN-XGBoost模型的分期购物用户逾期还款概率预测
4.1 stacking集成学习模型设计
4.1.1集成学习
4.1.2 Stacking模型
4.2 基于CNN-XGboost的用户逾期还款概率预测模型的提出
4.2.1 CNN-XGBoost模型结构设计
4.2.2模型训练
4.3实验部分
4.3.1实验简介
4.3.2实验结果分析
4.4 本章小结
第五章 分期购物用户逾期还款概率预测系统的设计与实现
5.1系统概述
5.2系统总体设计
5.3系统模块功能实现
5.3.1 用户登录模块
5.3.2 数据导入模块
5.3.3 数据统计模块
5.3.4 模型预测模块
5.3.5 预测结果保存模块
5.4本章小结
第六章、总结与展望
6.1 本文总结
6.2 未来展望
参考文献
攻读硕士期间发表及取得的研究成果
致谢
中北大学;