稀疏逻辑回归在银行信贷业务中的应用

目录

声明

1 绪论

1.1 研究背景和意义

1.1.1 研究背景

1.1.2 研究意义

1.2 研究现状

1.2.1 银行个人信用贷款研究现状

1.2.2 稀疏模型变量选择的研究现状

2 稀疏学习理论

2.1 变量选择方法

2.1.1 基于惩罚函数的变量选择方法

2.1.2 Dantzig Selector及其衍生方法

2.1.3 SIS方法

2.2 稀疏优化算法

2.2.1 Bregman算法

2.2.2 LARS算法

2.2.3 坐标优化方法

3 个人信用评分模型理论分析

3.1 稀疏逻辑回归原理

3.2 常用的稀疏逻辑回归模型

3.2.1 Lasso-Logistic

3.2.2 SCAD-Logistic

3.2.3 MCP-Logistic

3.3 数值模拟

4 银行个人信用贷款实证分析

4.1 数据来源和介绍

4.1.1 数据来源

4.1.2 数据集简介

4.2 个人信用指标的选取

4.3 数据预处理

4.3.1 新特征的构造

4.3.2 定性数据的预处理

4.3.3 定量数据的预处理

4.4 个人信用评分模型建立

4.4.1 模型的变量选择

4.4.2 模型的准确率比较

4.4.3 实证分析结论

参考文献

附录A 不同正则化项优劣对比代码

附录B 数据预处理代码

附录C 个人信用评分模型代码

致谢