基于用户画像技术对大学生网络贷款可能性的预测

发布时间：2020-10-02 09:32

　　目前,大学生的网贷需求越来越大,网络贷款已成为多数大学生人群有资金需求时考虑的对象。但是,由于大学生的自制力和社会经验不足,往往容易过度消费、过度使用网贷,以至于无法还贷,造成悲剧发生,而社会、学校和父母往往获取学生网贷的信息严重滞后。因此,本文主要目的是对大学生网络贷款可能性的预测进行研究,通过大学生相关属性特征,构建预测模型,提前获得大学生对网贷使用的信息,引导大学生了解理财知识、合理网贷和告知其父母,降低悲剧发生的可能性。本文基于这个目的设计调查问卷,收集江西省三所高校学生的网贷信息。首先研究相关属性特征,通过对问卷进行描述性统计分析和相关性分析,得出有61.8%的大学生使用过网贷平台,并且变量年级、每月生活费、每月生活费结余等变量对使用网络贷款有显著关系。其次,根据用户画像定义和神经网络结构构建大学生网络贷款可能性的预测模型。利用特征工程对特征进行处理,获得模型所需特征。通过随机网格参数搜索算法结合十折交叉验证法,获得大学生网贷可能性预测模型的最优参数。最后,得出模型的F-score为79%,准确率为77%,AUC值为79%。结果表明,模型对于未知数据集有较好的预测效果,可以运用到实际当中,提前获得大学生对网贷使用的信息。
【学位单位】：江西财经大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：F832.4;F724.6
【部分图文】：

统计图,生活费,统计图,阅读量

结余、待在宿舍的时间和阅读量等等。针对390份有效问卷，分析结果如下：（1）每月生活费统计分布:服从正态分布图4-1 每月生活费统计图从图 4-1 的条形图的形状大致可以推断，调查对象的每月生活费的分布应该

统计图,生活费,统计图,样本

每月生活费 .254 390 .000 .888 390 .000（2）每月生活费结余统计分布：从低到高递减图4-2 每月生活费结余统计图从图4-2的条形图形状可以看出：样本对象的每月生活费结余从低到高递减的。每月生活费剩余在0-500元的样本占样本总量的67.95%；在501-1000元的样本占总量的18.97%；在1001-1500元的样本占样本总量的6.92%；1501-2000元的样本占样本总量的4.62%，2000元以上的样本占样本总量的1.54%。大学生的生活是比较拮据的，基本上每月平均结余都在500块以内，经济能力比较紧张。（3）周末待在宿舍时间统计分布：2-4小时占主要从图4-3的玫瑰图可以看出：待在宿舍0-2小时的样本对象占总样本量的21.28%，这部分可能是属于学霸或者情侣的对象；2-4小时的样本占总样本量的44.87%，接近样本的一半，4-6小时的样本占总样本量的26.41%，2-6小时的样本占71.28%，符合校园大部分大学生的状态，基本会在宿舍待4个小时左右；6-8小时的样本占总样本量的5.9%

统计图,宿舍,统计图,样本

16于比较宅的对象。图4-3 周末待在宿舍时间统计图（4）月平均看书量统计图4-4 月平均看书量统计图从图4-4可以看出：有11.03%的样本平时不喜欢看课外书；超过一半的样本，有57.95%的样本平均每月会看一两本课外书；看3-4本课外书的样本占样本总量的19.49%；看4本以上的样本只占样本总量的11.54%。可以大致推断，目前国内大学生对于平时看课外书的积极性和兴趣不是很高。这也是符合目前的实际的，大部分大学生在平时都在玩王者荣耀、英雄联盟或者女生追电视剧，不会花太多精力去看课外书。

【参考文献】