摘要
第1章 绪论
1.1 研究背景
1.2 研究目的和意义
1.3 研究内容、方法和结构
1.4 本文的主要贡献
第2章 相关理论和文献综述
2.1 文献综述
2.1.1 受限波兹曼机
2.1.2 信用评分模型
2.2 相关理论
2.2.1 申请评分模型
2.2.2 Elastic-Net回归模型
2.2.3 受限波兹曼机(RBM)
第3章 RBM模型构建与参数估计
3.1 受限波尔兹曼机(RBM)的基本模型
3.2 基于对比散度的RBM快速学习算法
3.2.1 梯度计算公式
3.2.2 对比散度算法
3.3 ImM模型的参数设置
3.3.1 权重和偏置的初始值
3.3.2 权重和偏置的初始值学习率和动量学习率
3.3.3 Gibbs采样
3.4 RBM的评估
第4章 申请评分模型的建立
4.1 数据预处理
4.1.1 数据获取与准备
4.1.2 特征离散化
4.1.3 WOE编码
4.2 模型训练
4.2.1 Elastic-Net-Logistic模型
4.2.2 RBM模型
4.2.3 RBM-Logistic模型
4.2.4 模型评价
第5章 总结与不足
5.1 本文的主要结论
5.2 本文的不足
致谢
参考文献
声明