《Python金融大数据风控建模实战 基于机器学习》读书笔记PPT模板思维导图下载.pptxVIP

PPT书籍导读最新版本读书笔记模板《Python金融大数据风控建模实战 基于机器学习》最新版读书笔记，下载可以直接修改 01第1篇 智能风控背景第3篇 评分卡理论与实战进阶第2篇 评分卡理论与实战基础第4篇 Lending Club数据集实...目录030204 05附录A 主要符号表参考文献附录B 开发环境简介目录0706 内容摘要本书采用Python语言进行代码实战。Python在各行各业的应用越来越普及，从云端到客户端，再到物联网终端，Python应用无处不在。更为重要的是，Python语言是人工智能的首选编程语言，本书聚焦的智能风控领域，正是人工智能对金融数据的应用场景，对此，Python具有无可比拟的优势。关于Python语言实践和人工智能算法理论与实践的书籍颇为丰富，而结合信贷领域场景的算法应用类图书却比较稀缺，本书的出版将会改变这一现状。本书的核心内容包括算法理论与Python代码实践，旨在在构建评分卡的全流程内，先进行算法理论讲解，然后再进行代码实践，全面提升读者构建评分卡的理论造诣和工程能力。 第1篇 智能风控背景特征工程包括变量编码、变量衍生、相关性分析、多重共线性分析、变量选择等一系列工作。 第1章 金融科技介绍第3章 评分卡模型介绍第2章 机器学习介绍第1篇 智能风控背景 1.1 金融科技的前世今生1.2 金融科技正深刻地改变和塑造着金融...1.3 新兴科技不断强化金融科技的应用能...1.4 金融风险控制面临着前所未有的挑战1.5 智能风控和评分卡1.6 评分卡模型的开发流程010302040506第1章 金融科技介绍 2.1 机器学习的概念2.2 机器学习的分类2.3 机器学习与人工智能的关系2.4 机器学习与数学的关系2.5 机器学习与深度学习12345第2章 机器学习介绍 3.1 申请评分卡3.2 行为评分卡3.3 催收评分卡3.4 反欺诈模型第3章 评分卡模型介绍 第2篇 评分卡理论与实战基础 反欺诈模型一般采用基于规则与策略的方法，如借款人的身份验证、IP识别、借款人是否与平台积累的黑名单存在潜在的关联等。 第4章 数据清洗与预处理第5章 变量编码方法第6章 变量分箱方法第7章 变量选择第2篇 评分卡理论与实战基础 第8章 Logistic回归模型第9章 模型的评估指标第10章 评分卡分数转化第11章 模型在线监控第2篇 评分卡理论与实战基础 4.1 数据集成4.2 数据清洗4.3 探索性数据分析4.4 Python代码实践第4章 数据清洗与预处理 5.1 无监督编码5.3 Python代码实践5.2 有监督编码第5章 变量编码方法 6.1 变量分箱流程6.2 最优Chi-merge卡方分箱方...6.3 Best-KS分箱方法6.4 最优IV分箱方法6.5 基于树的最优分箱方法6.6 Python代码实践010302040506第6章 变量分箱方法 7.1 过滤法变量选择7.2 包装法变量选择7.3 嵌入法变量选择7.4 Python代码实践第7章 变量选择 8.1 Logistic回归模型原理8.3 Python代码实践8.2 过拟合与欠拟合第8章 Logistic回归模型 9.1 正负样本的选择9.2 标准评估指标9.3 概率密度评估指标9.4 概率分布评估指标9.5 Python代码实践12345第9章 模型的评估指标 10.1 由概率到分数的转换10.2 变量的分值计算10.3 评分卡性能评估10.4 Python代码实践第10章 评分卡分数转化 11.1 稳定性监控11.2 单调性监控11.3 性能监控指标11.4 Python代码实践第11章 模型在线监控 第3篇 评分卡理论与实战进阶 特征工程是一个先升维（膨胀）后降维（收缩）的过程：升维阶段是为了尽可能找到一切和预测变量有关的信息，以求更好地解释预测变量；降维是在众多高维特征中找到贡献最大的大部分变量，以减小模型训练的开销，同时也给模型一个相对简单的搜索空间，从而得到一个相对较优的解。 第12章 样本不均衡处理第13章 特征工程进阶第14章 决策树模型第15章 神经网络模型第3篇 评分卡理论与实战进阶 第16章 支持向量机模型第18章 模型融合第17章 集成学习第3篇 评分卡理论与实战进阶 12.1 数据层下采样样本不均衡的处理方...12.2 数据层上采样样本不均衡的处理方...12.3 算法层样本不均衡的处理方法12.4 模型评估层样本不均衡的处理方法12.5 Python代码实践12345第12章 样本不均衡处理 13.1 数据层特征工程13.3 Python代码实践13.2 算法层特征工程第13章 特征工程进阶 14.1 决策树模型的原理14.2 决策树学习14.3 决策树与过拟合14.4 Python代码实践第1