声明
摘要
第一章 绪论
§1.1 研究背景
1.1.1 信用贷款
1.1.2 数据挖掘与支持向量机
§1.2 研究综述
§1.3 本文的组织结构及创新点
第二章 理论与原理
§2.1 信用评级理论
2.1.1 信用的内涵
2.1.2 信用评级的历史发展
2.1.3 信用评级中常用的统计方法
§2.2 主成分分析
2.2.1 主成分分析法的模型
2.2.2 主成分的几何解释
2.2.3 主成分分析的一般步骤
§2.3 支持向量机理论
2.3.1 分类问题的提出
2.3.2 最大间隔法
2.3.3 支持向量机
2.3.4 核函数
§2.4 集成学习
第三章 基于主成分分析和经典SVM的实证分析
§3.1 数据来源
§3.2 数据的前期处理
3.2.2 标准化
3.2.3 主成分分析
3.2.4 模型检验标准
§3.3 参数优化
§3.4 实证过程及结果
第四章 基于Bagging算法的集成SVM实证分析
§4.1 Bagging算法
§4.2 21折交叉取样
§4.3 不放回随机取样
§4.4 实证结果分析
第五章 本文总结
参考文献
致谢