声明
第1章绪论
1.1 选题背景及意义
1.1.1 选题背景
1.1.2 研究意义
1.2 研究方案
1.2.1 研究内容
1.2.2 研究框架
1.3 研究创新
第2章国内外研究综述
2.1 相关概念综述
2.1.1 互联网消费信贷
2.1.2 风险控制
2.1.3 机器学习
2.2 互联网消费信贷面临的风险
2.2 传统金融领域的风控模型研究
2.3 互联网金融的风控模型研究
2.4 文献评述
第3章相关算法与模型评价指标
3.1 支持向量机
3.2 lasso 回归
3.3 XGBoost
3.4 模型融合
3.5 模型评价指标
3.5.1 混淆矩阵与相关指标
3.5.2 AUC 与 ROC 曲线
第4章数据探索与特征工程
4.1 数据探索
4.2 特征工程
4.2.1 创建新特征
4.2.2 特征转换
4.2.3 样本均衡
4.2.4 特征选择
第5章模型构建与实验分析
5.1 基于 SVM 算法的模型构建
5.1.1 模型构建
5.1.2 模型优化
5.1.3 重要特征及含义
5.2 基于 lasso 回归算法的模型构建
5.2.1 模型构建
5.2.2 模型优化
5.2.3 重要特征及含义
5.3 基于 XGBoost 算法的模型构建
5.3.1 模型构建
5.3.2 模型优化
5.3.3 重要特征及含义
5.4基于模型融合的模型构建
5.5 实验对比及分析
第6章研究结论与展望
6.1 研究结论
6.2 研究不足与展望
6.3 建议及对策
参考文献
致谢
个人简历在读期间发表的学术论文与研究成果
对外经济贸易大学;