基于改进加权投票的互联网金融信用风险预测研究.pdf

目录

I

摘要

ABSTRACTIII

11

第章绪论

1.1研究背景与意义1

1.1.1研究背景1

1.1.2研究意义2

1.2国内外研究现状2

1.2.1单一基础模型与信用风险预测3

1.2.2集成学习模型与信用风险预测4

1.2.3数据处理与特征选择5

1.2.4文献评述6

1.3研究内容7

1.4技术路线9

1.5创新点10

211

第章相关理论基础

2.1单一机器学习算法11

2.1.1逻辑回归11

2.1.2决策树11

2.2集成学习算法13

2.2.1随机森林13

2.2.2梯度提升决策树13

2.2.3XGBoost15

2.2.4LightGBM15

2.2.5Voting融合16

2.3模型评估方法简介17

2.3.1利用混淆矩阵评估17

2.3.2利用AUC数值评估18

2.3.3KS19

利用数值评估

2.4本章小结19

321

第章数据分析与处理

3.1数据介绍21

3.2数据探索性分析22

3.2.1样本分布情况22

3.2.2重要字段分布情况23

3.3数据处理25

3.3.1缺失值处理25

3.3.2异常值处理26

3.3.3相关性分析27

3.4特征工程29

3.4.1特征衍生29

3.4.2数据集划分30

3.4.3特征编码30

3.4.4数据标准化32

3.4.5不平衡数据处理33

3.4.6特征筛选34

3.5本章小结38

440

第章加权投票优化算法设计流程

4.1基学习器选择和优化40

4.1.1多样性衡量41

4.1.2评价指标衡量42

4.1.3结合多样性和评价指标的组合优化算法43

4.2Voting模型权重优化43

4.2.1权重优化流程44

4.2.2结合基学习器选择的加权投票优化算法46

4.3本章小结48

549

第章基于改进加权投票的模型构建与评估

5.1单一模型的风险预测实验49

5.2基学习器的多样化分析和优化选择52

5.3改进Voting模型的风险预测实验56

5.4模型比较57

5.5集成加权方法比较58

5.6本章小结60

661

第章总结与展望

6.1总结61

6.2不足与展望62

参考文献63

致谢67

在学期间发表论文及参加课题情况68

基于改进加权投票的互联网金融信用风险预测研究

摘要