1. 研究目的与意义（文献综述）

1.1 设计的目的和意义

用户画像是信贷用户与信贷相关度较高的信息，在当前金融领域中常对该数据进行数据挖掘，建立模型来做信用风险分析。而信用风险分析使用的算法有很多，根据现有的资料，可以看出决策树算法和神经网络算法在该领域使用广泛。对于离散且数据集少的样本可能偏向于决策树建模，对于连续且数据集多的样本可能偏向于神经网络建模。本设计的目的是使用决策树和神经网络这两种常用数据挖掘算法来判断信用风险。由于两种算法各有优势，设计将通过融合两种的优势来得到更准确的信用风险预测结果。

2. 研究的基本内容与方案

2.1 本设计的基本内容

设计决策树算法和神经网络算法对信贷记录进行数据挖掘。通过两种算法各自建立模型。决策树算法通过“剪枝”优化，神经网络建立多层模型，将两种模型用于信用风险分析并实现融合两者来优化准确率。

2.2 本设计的目标

3. 研究计划与安排

第1－2周：查阅相关文献资料，明确研究内容，了解研究所需的相关知识和功能要求。确定方案；

4. 参考文献（12篇以上）

[1]王婧. 基于bp神经网络的商业银行信用风险评估研究[d].内蒙古财经大学,2017.

[2]董文奎. 基于bp神经网络的小额信贷信用风险评估研究[d].云南财经大学,2017.