基于数据挖掘的企业失信识别模型研究

---

文档主要内容

基于数据挖掘的企业失信识别模型研究，是一篇北京理工大学珠海学院2020届本科生毕业论文，主要面向数据挖掘、企业信用评估领域的研究者、学生及相关从业者。该文档系统阐述了如何运用数据挖掘技术构建企业失信预测模型，为大数据环境下企业违法风险识别提供了可操作的方法论参考。

在数据预处理阶段，研究首先利用Python的pandas包对原始数据进行缺失值统计，剔除缺失率超过30%的指标，随后移除对失信判定无显著影响的19个指标，最终保留12个有效指标。针对剩余缺失数据，基于KNN算法原理，借助R语言的dmwr包完成填充。此外，对数据类型、登记机关、企业状态及管辖机关四个指标进行了可视化分析，以揭示数据分布特征。

模型构建环节，研究分别采用决策树、随机森林和梯度提升决策树三种算法建立企业失信识别模型，并通过准确率、召回率、混淆矩阵及ROC曲线进行综合评估。结果显示，决策树预测准确率为90.9%，随机森林为92%，梯度提升决策树达到92.57%。然而，三种决策树家族模型的AUC值均处于0.51至0.61区间，表明模型预测稳定性不足。为提升性能，研究进一步尝试多层感知机（MLP）模型，其预测准确率同样为92%，但AUC值稳定在0.89，显著优于决策树类模型。

该论文的核心价值在于：第一，完整展示了从数据清洗、特征选择到模型训练与评估的流程，为同类研究提供了标准化步骤；第二，通过对比多种算法，明确了MLP模型在企业失信识别任务中的优势，尤其在稳定性方面表现突出；第三，研究结论可直接应用于企业信用风险预警系统的开发，帮助金融机构、监管部门快速筛选失信企业。文档内容严谨，数据详实，适合作为相关课题的参考范本或教学案例。