如何搭建金融信贷风控中的机器学习模型

课程介绍：

风控是金融业务的核心组成部分，而信贷风控又是整个风控领域体量最大、挑战最大的类型。传统的信贷风控主要靠资深从业人员依靠自身的经验设置的专家规则。随着统计学、大数据、机器学习的发展，现代信用风控越来越偏向量化模型的手段来得以解决风控问题。
本课程使用真实场景下的信贷违约数据，从基础的数据分析开始，一步步构建依赖逻辑回归、XGBoost、神经网络模型等方法的风控模型。同时，本课程也会展示信贷风控领域中经常面临的挑战和相应的解决方法。从第三节课开始，每节课都会在真实数据的基础上完成本章节的模块设计。

课程截图：

〖课程目录〗:

• | └──7 如何搭建金融信贷风控中的机器学习模型
• | | ├──01.数据分析的基本概念.mp4 42.72M
• | | ├──02.数据可视化.mp4 27.46M
• | | ├──03.数据分析的常用模型（www.ko996.com）.mp4 41.78M
• | | ├──04.数据分析的常用工具.mp4 6.68M
• | | ├──05.互联网金融简介和特点.mp4 23.98M
• | | ├──06.互联网金融的主要模式（）.mp4 31.12M
• | | ├──07.常见的个人信贷产品.mp4 43.32M
• | | ├──08.个贷产品中的风险（上）.mp4 37.34M
• | | ├──09.个贷产品中的风险（下）.mp4 23.16M
• | | ├──10.评分卡模型简介.mp4 35.53M
• | | ├──11.特征构造.mp4 37.17M
• | | ├──12.数据的质量检验.mp4 53.80M
• | | ├──13.代码实现.mp4 53.05M
• | | ├──14.特征的分箱.mp4 86.50M
• | | ├──15.特征信息值与数值编码、单变量分析 、多变量分析.mp4 64.62M
• | | ├──16.概念补充说明.mp4 38.64M
• | | ├──17.代码实现.mp4 199.75M
• | | ├──18.逻辑回归模型的基本概念.mp4 62.88M
• | | ├──19.基于LR模型的评分卡构建工作.mp4 30.17M
• | | ├──20.尺度化2.mp4 14.89M
• | | ├──21.模型的区分度与预测性.mp4 51.62M
• | | ├──22.模型的平稳性、模型调优以及代码讲解.mp4 52.65M
• | | ├──23.神经网络模型的概述、激活函数与损失函数.mp4 48.01M
• | | ├──24.反向传播法.mp4 37.63M
• | | ├──25.实际案例.mp4 22.03M
• | | ├──26.代码讲解（）.mp4 16.10M
• | | ├──27.Gradient Boosting的概念（）.mp4 14.96M
• | | ├──28.GBDT模型简介（）.mp4 40.24M
• | | ├──29.GBDT的升级版：XGBoost（）.mp4 41.16M
• | | ├──30.XGBoost模型在信贷风控中的应用（）.mp4 21.90M
• | | ├──31.元模型与集成模型.mp4 29.31M
• | | ├──32.Bagging.mp4 18.14M
• | | ├──33.Boosting（）.mp4 23.54M
• | | ├──34.Stacking（）.mp4 26.67M
• | | ├──35.案例及代码（）.mp4 48.31M
• | | ├──36.基本概念.mp4 30.90M
• | | ├──37.特征构造（）.mp4 32.83M
• | | ├──38.模型开发（）.mp4 94.24M
• | | ├──39.标签缺失的定义（）.mp4 15.69M
• | | ├──40.补全标签的方法（上）（）.mp4 25.64M
• | | ├──41.补全标签的方法（下）（）.mp4 32.19M
• | | ├──42.案例与代码（）.mp4 44.56M
• | | ├──43.过采样与欠采样（）.mp4 23.59M
• | | ├──44.SMOTE（）.mp4 31.86M
• | | └──45.样本权重法与案例（）.mp4 23.31M

yeyudao普通

收藏 海报 链接