基于数据挖掘技术的微额借款用户的信用预测

《基于数据挖掘技术的微额借款用户的信用预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、密级分类号．编号ＵＤＣ弟中种裝欠考顾±学位论文泉子敎據挖搞技术的徵额借款巧户的信巧顽測学位申请人姓名：車平申请学位学生类别：全可制硕壬中请学位专业方向：应巧統计指导教师姓名：左因新訓教援硕壬学位雜文ＭＡＳＴＥＲＳＴＨＥＳＩＳ硕±学位论文基于数据挖掘技术的微额借款用户的信用预测论文僻：李平指导教师：左国新副教授学科专业：应用统计研究方向：应用统计学华中师范大学数学与绕计学学院２０１６年０５月硕去学位絶文ＭＡ’Ｗ／ＳＴＥ

2、ＲＳＴＨＥＳＩＳ＾ｐｉｙＴｈｅＣｒｅｄｉｔＰｒｅｄｉｃｔｉｏｎｏｆＭｉｃｒｏｆｉｎａｎｃｅＬｏａｎＢａｓｅｄｏｎＤａｔａＭｉｎｉｎ恥ｃｈｎｏｌｏｇｇｙＡＴｈｅｓｉｓＳｕｂｍｉｔｔｅｄｉｎＰａｒｔｉａｌＦｕｌｆｉｌｌｍｅｎｔｏｆｔｈｅＲｅｕｉｒｅｍｅｎｔｑａ’ＦｏｒｔｈｅＭｓｔｅｒｓＤｅｇｒｅｅｉｎＳｃｉｅｎｃｅＢｙＬｉＰｉｎｇＰｏｓｔｒａｄｕａｔｅＰｒｏｒａｍｇｇＳｃｈｏｏｌｏｆＭａｔｈｅｍａｔｉｃｓａｎｄＳｔａｔｉｓｔｉｃｓＣｅｎｔｒａ

3、ｌＣｈｉｎａＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙＳｕｅｒｖｉｓｏｒ：ＺｕｏＧｕｏｘｉｎｐＡｃａｄｅｍｉｃＴｉｔｌｅ：ＡｓｓｏｃｉａｔｅＰｒｏｆｅｓｓｏｒＳｉｎａｔｕｒｅｇＡｐｐｒｏｖｅｄＭａ．２０１６ｙ硕壬学位褚文＇？ＭＡＳＴＥＲＳＴＨＥＳＩＳ华中师范大学学位论文原创性声明和使用授权说明房创巧是巧，独立进行研究工作本人郑重声明；所呈交的学位论文，是本人在导师指导下所取得的研究成果。除文中己经标明引用的内容外，本论文不包含任何其他个人或。集体已经发表或撰写过的研巧成果对本文的

4、研巧做出贡献的个人和集体，均己在文中Ｗ明确方式标明。本声明的法律结果由本人承担。作者签名日化ｔＷ件＾月言日学化冷文化权使用狡权书学位论文作者完全了解华中师范大学有关保留、使用学位论文的规定，即：研究生在校攻读学位期间论文王作的知识产权单位属华中师范大学。学校有权保留并向国家有关部口或机构送交论文的复印件和电子版，允许学位论文被查阅和借阅；学校可Ｗ公布学位论文的全部或部分内容，可从允许采用影印、缩印或其它复制手段保存、汇编学位论文。（保密的学位论文在解密后遵守此规定）保密论文注释：本学位论文属于保密，

5、在年解密后适用本授权书。非保密论文注释：本学位论文不属于保密范围，适用本授权书。作者签名：＊＂日日日期：Ｗ《年５月又期：月Ｌ日７＞矣Ｉ＂＂本人已经认真阅读ＣＡＬＩＳ高校学位论文全文数据库发布章程，同意将本人＂＂＂＂的学位论文提交ＣＡＬＩＳ高校学位论文全文数据库中全文发布，并可按章程一中的规定享受相关权益：□半年；□年；□二年发布。。同意论义提交后滞后作者签名日期：。八年月＾日日期１日７占２硕击学狂话文＇ＭＡＳＴＥＲＳＴＨＥＳＩＳ摘要随着计算机技术的发展，数字化时代已经到来。Ｗ互联

6、网、大数据为代表的这一场技术革命正在引领人们加速进入继农业时代、工业时代之后的又个新的发展阶段一数据时代。世界上百分之九十Ｗ上的数据都是近两年产生的，然而庞大数据的背后是如何才能有效利用它们的问题。数据挖掘就是为满足人们对于数据中蕴含信一息的充分理解和有效运用而发展起来的口新兴技术。近几年，伴随着互联网发展起来的还有线上金融服务等新型业务，其中小额贷款Ｊ、，＾ｉｌ其程序简单资金灵活、贷款范围广等优势迅速走红相应的也给贷款机构带来了诸如：贷不贷，贷多少的问题。要处理好这些问题就要尽可能全面的了解贷款客户的

7、各项特征，把握客户动态，及时拟定有效的业务方案。贷款机构在过去的业务实施过程中积累了大量数据，如何利用好这些数据成为解决问题的关键。这里就可１＾；运用数据分析技术，对数据进行分析，及时把握市场动向，优化业务模式。本文就是基于微额速达金融服务公司提供的真实有效数据，详细阐述了数据挖掘在微额借款用户数据集中的应用。具体实施过程是：在Ｒ软件中，首先利用ｓａｍｐｌｅＯ将数据集分为训练集和测试集，然后在训练集上进行模型训练，在测试集上测试模型拟合效果，。因为测试集数据结果是己知的所Ｗ可Ｗ根据预测值与真实值的比例评价模

8、型好坏。我们这里主要运用了逻揖斯谦回归、Ｋ最邻近、决策树和ｌａｓｓｏ回归进行建模分析，用它们得到的测试错误率依次为：１３．８％、１化％％、１８．９％、１化５％。ｌｉｔｉ０８期间我们还对ｏｓｃ回归进行了变量选择，．