1. 研究目的与意义（文献综述包含参考文献）
文 献 综 述随着互联网金融的快速发展和大数据时代的来临，网络借贷应运而生，它为借款方和投资方提供了一个交易平台，但是由于数据来源广泛，数据结构多元化，使得投资方需要提高信用风险评估的准确性和适应性，从而确保借款人在未来不会违约，而机器学习技术恰好能够显著提高信用风险评估的准确性和适应性。
本课题研究基于特征信息和支持向量域描述的信用风险评估模型，以尽可能降低不良贷款的可能。
到目前为止，对于风险信用评估模型的研究已经有多年的历史，国内外有着大量的研究成果。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 研究的基本内容、问题解决措施及方案
随着网络的快速发展，网贷也是越来越多，为了保障投资方的利益，为此开发了个人信用评分系统，个人信用评分系统是一套定量评估个人信用风险的应用系统，它通过对个人客户信息进行量化计算得出信用分值，反映个人客户的信用状况。
为了确保信用评分系统的准确性，利用了不同的机器学习算法。
本文将要研究的就是在不同的机器学习模型中，哪一种模型对于识别坏客户的能力最强，以此来保障投资方的利益。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
