近年來(lái)隨著網(wǎng)絡(luò)時(shí)代的迅速發(fā)展,互聯(lián)網(wǎng)金融產(chǎn)品迅猛發(fā)展起來(lái),大型的借貸平臺(tái)也逐步興起,Lending Club是其中一家發(fā)展迅速、運(yùn)作較好的大型P2P（Peer to Peer）交易平臺(tái),由于P2P平臺(tái)交易門(mén)檻低、流程簡(jiǎn)單、投資回報(bào)率高等優(yōu)勢(shì),迅速吸引了大批量客戶(hù)進(jìn)入市場(chǎng),從中也衍生出了一些違規(guī)貸款和欺詐事件,所以本文以LendingClub公司2018年10月1日到2018年12月31日的批貸數(shù)據(jù)進(jìn)行建模分析,通過(guò)集成分類(lèi)預(yù)測(cè)的方法進(jìn)行風(fēng)險(xiǎn)評(píng)估,提高P2P平臺(tái)關(guān)于違約率較高客戶(hù)的識(shí)別能力,從而為該平臺(tái)及公司提供科學(xué)決策依據(jù)。本文主要運(yùn)用機(jī)器學(xué)習(xí)算法進(jìn)行評(píng)估預(yù)測(cè),通過(guò)Synthetic Minority Oversam-pling Technique（SMOTE）方法對(duì)不平衡數(shù)據(jù)進(jìn)行過(guò)采樣,對(duì)特征進(jìn)行衍生及篩選,并在此基礎(chǔ)上使用網(wǎng)格搜索算法對(duì)Logistic Regression（LR）,Random Forest（RF）,eXtreme Gradient Boosting（XGBoost）,Light Gradient Boosting Machine（LightGBM）等模型進(jìn)行參數(shù)... 

【文章來(lái)源】：蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：51 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1 研究背景及意義
    2 研究現(xiàn)狀
    3 論文研究?jī)?nèi)容及結(jié)構(gòu)安排
第二章 基本算法與評(píng)價(jià)指標(biāo)
    1 Logistic Regression
    2 基本樹(shù)類(lèi)算法
        2.1 ID3算法
        2.2 C4.5算法
        2.3 CART算法
        2.4 決策樹(shù)剪枝
    3 集成樹(shù)類(lèi)算法
        3.1 隨機(jī)森林
        3.2 XGBoost算法
        3.3 LightGBM算法
    4 不平衡數(shù)據(jù)處理
        4.1 基于數(shù)據(jù)的方法
        4.2 基于算法的方法
    5 分類(lèi)預(yù)測(cè)評(píng)價(jià)指標(biāo)
    6 可解釋模型
第三章 Lending Club數(shù)據(jù)描述及建模分析
    1 數(shù)據(jù)描述
    2 數(shù)據(jù)特征及預(yù)處理
    3 建模分析
    4 模型融合
    5 模型可解釋
第四章 總結(jié)與展望
    1 研究結(jié)論
    2 研究局限性
參考文獻(xiàn)
致謝



本文編號(hào)：3189808