摘要随着中国经济的快速发展,中国的信用消费已逐步浮出水面，个人贷款的增长速度非常迅速。
信用卡是消费信贷中发展最快，且最富创新活力的重要金融信用支付工具。
本研究从信用卡风险度量角度研究个人信用评分模型，通过将现代的数据挖掘技术中的支持向量机(SVM)、遗传规划(GP)和遗传算法(GA)引入信用卡风险管理领域，建立信用卡行为管理的评分模型，然后将信用评分模型应用到实际的信用数据中，以验证模型的有效性。
关键字数据挖掘；支持向量机；遗传规划；Clementine；.NET一、 引言当前，依靠信息技术的进步，金融机构的信用管理模式正在发生巨大的变化,大数据、云计算等新技术的应用必将进一步改变金融机构已有的运行模式[1]。
数据挖掘作为有效处理大数据的技术手段，必将在未来提高金融机构信用管理水平、辅助授信决策方面发挥重要的作用。
目前，数据挖掘技术在信用评分领域的应用已较成熟，但因缺乏对数据挖掘实际操作技术及其问题的研究，常难以获得理想的挖掘效果[2]。
梳理数据挖掘的操作流程，归纳总结数据挖掘的关键点，借助个案解析数据挖掘中常见的技术问题及数据挖掘技术的局限性，以期为利用数据挖掘技术进行信用评分提供技术支持。
二、 正文1、 数据分析与数据挖掘数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、有用的信息和知识的过程。
通过数据挖掘可以帮助决策者寻找规律，发现被忽略的要素，预测趋势，进行决策[3]。
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
以上是毕业论文文献综述，课题毕业论文、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。
