P2P互联网金融数据分析平台的研究与实现

互联网金融论文 数据分析论文 风险评估论文 机器学习论文
论文详情
随着大数据技术的推广和发展,工业界出现了很多基于大数据存储和计算框架的数据分析平台,而已有平台多侧重在用户行为分析及多维统计分析为主,具备结合机器学习模型的Web风险分析类数据分析平台目前还比较缺乏。因此本论文针对此需求展开相应的研究,围绕P2P互联网金融领域数据,针对在线数据分析工具存在的不足,尝试构建一个基于行业特定场景的,具有新型风险评估模型的数据分析系统。本文主要研究内容包括以下几点:第一、针对已有的P2P互联网金融领域相关开源数据,提出了一种基于SVM的q值权重算法,并将其应用于风险评估领域,通过实验结果显示,该算法与目前的单独SVM分类算法、决策树算法、逻辑回归算法等常用算法相比,其风险评估结果的准确率提高了 5%-8%。第二、在风险分析建模前期的数据预处理阶段,将数据中的空缺值保留,通过为每个分类器选择适当的特征子集来消除缺失值的问题,通过消除包含相同示例的缺失值的属性来获得模型效果的提升,降低了后续数据分析结果的误差率。第三、构建一个综合性的数据分析平台,弥补目前已有的商业化数据分析平台偏重于统计分析,而科研用数据分析工具过于学术化,使用门槛过高的现状。基于上述研究内容和成果,本文构建并实现了 P2P互联网金融数据分析平台,该平台针对已有的P2P互联网金融领域相关开源数据,对其进行数据源管理、数据预处理、统计分析、挖掘建模分析等数据分析模块,一步一步进行深入分析研究,同时优化了数据分析过程中所涉及到的风险分析相关算法,优化模型性能,最终实现一个综合性的数据分析平台,弥补当前已有平台的不足之处,将数据分析的操作流程、功能实现、可视化展示融为一体。
摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第10-17页
    1.1 选题背景与意义第10-11页
    1.2 国内外研究现状第11-15页
        1.2.1 各大数据分析平台的研究现状第11-12页
        1.2.2 风险分析领域的研究现状第12-14页
        1.2.3 研究中存在的一些缺陷和不完善之处第14-15页
    1.3 主要研究内容第15-16页
    1.4 论文章节安排第16-17页
第二章 相关理论与技术应用研究第17-26页
    2.1 P2P互联网金融数据分析平台的特点第17-19页
    2.2 挖掘建模分析相关理论第19-22页
        2.2.1 挖掘分析概念第19页
        2.2.2 挖掘建模分析具体流程第19-21页
        2.2.3 挖掘建模分析方法第21-22页
    2.3 机器学习算法研究第22-24页
        2.3.1 聚类算法第22-23页
        2.3.2 分类算法第23-24页
        2.3.3 推荐算法第24页
    2.4 数据预处理相关理论第24-25页
    2.5 本章小结第25-26页
第三章 数据分析流程及相关算法改进第26-35页
    3.1 数据分析流程第26-28页
    3.2 风险评估现状分析第28-29页
    3.3 一种基于SVM的q值权重算法模型第29-34页
        3.3.1 概述第29-30页
        3.3.2 数据分割第30-32页
        3.3.3 q值权重加权算法第32页
        3.3.4 SVM混合算法模型第32-34页
        3.3.5 实验结果对比第34页
    3.4 本章小结第34-35页
第四章 数据分析平台系统设计第35-62页
    4.1 需求分析第35-36页
        4.1.1 系统业务需求第35页
        4.1.2 系统功能需求第35-36页
    4.2 系统总体设计第36-40页
        4.2.1 系统基本架构设计第36-37页
        4.2.2 系统功能流程设计第37-40页
    4.3 各功能模块详细设计第40-52页
        4.3.1 数据抽取及数据预处理模块第40-42页
        4.3.2 文件上传模块第42页
        4.3.3 统计分析模块第42-45页
        4.3.4 挖掘建模分析模块第45-52页
        4.3.5 可视化展示模块第52页
    4.4 数据库设计第52-61页
    4.5 本章小结第61-62页
第五章 算法性能分析与系统实现第62-73页
    5.1 系统开发平台第62页
    5.2 算法评价标准第62-63页
        5.2.1 精准度Precision第63页
        5.2.2 召回率Recall第63页
        5.2.3 F-Measure第63页
    5.3 算法性能分析第63-64页
    5.4 系统实现页面展示第64-72页
    5.5 本章小结第72-73页
第六章 总结与展望第73-75页
    6.1 工作总结第73页
    6.2 工作展望第73-75页
参考文献第75-78页
附录1第78-81页
致谢第81-82页
攻读研究生期间发表的学术论文第82页
论文购买
论文编号ABS4091721,这篇论文共82页
会员购买按0.30元/页下载,共需支付24.6
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付41
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656