摘要：随着网络借贷行业的快速发展，借贷人员数量越来越多，借贷平台已不能继续使用低效的传统风控方式来决定是否放贷。P2P信贷平台则可以基于机器学习合理评估平台用户的违规风险。本文基于某P2P信贷平台用户借贷的所有信息情况，对用户信息进行筛选，得出影响信用风险评估的指标，再分别使用 Logistic回归和XGBoost建立违约风险预测模型，预测该用户违约可能性。经比较，改进算法XGBoost训练获得的模型准确率较高，可应用于贷款违规预测系统中，这不仅降低了平台营运成本，还使网贷平台能够更加准确的评估个人信用状况，有效地降低借贷人员的违约风险。 

关键词：机器学习；网络借贷；违规预测

目录

摘要

Abstract

1引言-1

1.1研究背景-1

1.2研究目的与意义-1

1.2.1研究目的-1

1.2.2研究意义-1

1.3国内外研究综述-2

1.4论文的主要创新点-2

2机器学习算法的应用-3

2.1机器学习算法概述-3

2.2使用机器学习算法进行贷款违规预测的原因与意义-3

3数据预处理及信用评分体系构建-4

3.1数据采集-4

3.2数据预处理-4

3.2.1缺失值处理-4

3.2.2异常值处理-4

3.2.3一致性处理-4

3.3信用评分体系的构建-5

4模型构建和优化-7

4.1划分训练集和测试集-7

4.2建立Logistic回归模型-7

4.2.1 Logistic回归原理-7

4.2.2 Logistic回归模型应用-8

4.2.3 Logistic回归模型预测结果-10

4.3建立XGBoost模型-10

4.3.1 XGBoost算法原理-10

4.3.2 XGBoost算法运用-11

4.3.3 XGBoost模型预测结果-12

4.4模型评估及对比-12

4.4.1模型精确度对比-12

4.4.2模型优缺点-13

5总结-14

参考文献-15

致谢-