摘要:信用评价是对个人道德、资产、消费观念、消费能力等综合信息的全面反映，用于评价信用的各种指标在本质上需要数据来体现，本文通过大数据提取影响信用状况的各种信息因素，对个人的基本信息、已发生的借贷和偿还、信用透支额度等方面进行分析，建立基于大数据的信用评价模型。

现有的信用评价模型有判别分析和神经网络等方法，本文利用判别分析法和多层感知器神经网络分析分别对个人信用建立模型并进行比较评价。首先将得到的数据做清洗工作，剔除与信用评价影响不大的指标变量，引入与信用评价有关的指标，其次在大数据基础上，建立了两个信用评价模型，最后利用SPSS软件将数据带入模型，得到信用评价的结果，本文针对这两个模型分类的情况做了对比较，多层感知器的分类结果优于判别分析的分类结果。

关键词：大数据  信用评价模型  SPSS软件  判别分析  神经网络

目录

摘要

Abstract

1引言-1

1.1研究背景-1

1.2国内外研究现状-1

1.3研究方法与内容-2

2基础概念介绍-3

2.1信用评价-3

2.2判别分析——费歇（Fisher）判别-3

2.3神经网络——多层感知器（MLP）-4

3数据预处理-7

4基于判别分析的信用评价模型-7

5基于多层感知器（MLP）神经网络的信用评价模型-10

5.1设置随机数-10

5.2创建分区变量-10

5.3指定体系结构-10

5.4分类结果-11

5.5矫正超额训练-11

6模型的比较-15

7总结与期望-15

7.1总结-15

7.2期望-15

参考文献-17