推薦序

前言

第1章　信用管理基礎(chǔ)　/1

1.1　信用與管理　/2

1.2　風(fēng)控術(shù)語解讀　/3

1.2.1　信貸基礎(chǔ)指標(biāo)　/4

1.2.2　信貸風(fēng)險(xiǎn)指標(biāo)　/5

1.3　企業(yè)信貸風(fēng)控架構(gòu)　/7

1.4　本章小結(jié)　/10

第2章　評(píng)分卡　/11

2.1　評(píng)分卡概念　/12

2.1.1　適用客群　/13

2.1.2　用途　/14

2.2　建模流程　/15

2.3　模型設(shè)計(jì)　/16

2.3.1　業(yè)務(wù)問題轉(zhuǎn)化　/17

2.3.2　賬齡分析與時(shí)間窗口設(shè)計(jì)　/17

2.3.3　數(shù)據(jù)集切分　/19

2.3.4　樣本選擇　/20

2.3.5　采樣與加權(quán)　/21

2.4　數(shù)據(jù)與變量解讀　/25

2.5　本章小結(jié)　/26

第3章　機(jī)器學(xué)習(xí)　/27

3.1　基本概念　/28

3.1.1　空間表征　/29

3.1.2　模型學(xué)習(xí)　/31

3.1.3　模型評(píng)價(jià)　/32

3.2　廣義線性模型　/33

3.2.1　多元線性回歸模型　/34

3.2.2　經(jīng)驗(yàn)風(fēng)險(xiǎn)與結(jié)構(gòu)風(fēng)險(xiǎn)　/35

3.2.3　極大似然估計(jì)　/38

3.3　邏輯回歸　/39

3.3.1sigmoid函數(shù)　/40

3.3.2　最大似然估計(jì)　/41

3.3.3　多項(xiàng)邏輯回歸學(xué)習(xí)　/41

3.3.4　標(biāo)準(zhǔn)化　/42

3.4　性能度量　/44

3.4.1　誤差　/45

3.4.2　混淆矩陣與衍生指標(biāo)　/45

3.4.3　不均衡模型評(píng)價(jià)　/48

3.4.4　業(yè)務(wù)評(píng)價(jià)　/52

3.5　上線部署與監(jiān)控　/55

3.5.1　上線部署　/55

3.5.2　前端監(jiān)控　/57

3.5.3　后端監(jiān)控　/59

3.6　迭代與重構(gòu)　/61

3.6.1　模型迭代　/61

3.6.2　模型重構(gòu)　/62

3.7　輔助模型　/62

3.7.1XGBoost/63

3.7.2　模型解釋性　/74

3.7.3　因子分解機(jī)　/81

3.8　模型合并　/82

3.9　本章小結(jié)　/86

第4章　用戶分群　/87

4.1　辛普森悖論　/88

4.2　監(jiān)督分群　/90

4.2.1　決策樹原理　/90

4.2.2　決策樹分群　/92

4.2.3　生成拒絕規(guī)則　/95

4.3　無監(jiān)督分群　/105

4.3.1GMM原理　/106

4.3.2GMM分群　/107

4.4　用戶畫像與聚類分析　/108

4.4.1　數(shù)據(jù)分布可視化　/109

4.4.2K均值聚類　/110

4.4.3　均值漂移聚類　/111

4.4.4　層次聚類　/113

4.4.5tSNE聚類　/114

4.4.6DBSCAN聚類　/115

4.4.7　方差分析　/117

4.5　本章小結(jié)　/119

第5章　數(shù)據(jù)探索與特征工程　/120

5.1　探索性數(shù)據(jù)分析　/121

5.1.1　連續(xù)型變量　/122

5.1.2　離散型變量　/123

5.1.3　代碼實(shí)現(xiàn)　/123

5.2　特征生成　/126

5.2.1　特征聚合　/127

5.2.2　特征組合　/145

5.3　特征變換　/147

5.3.1　卡方分箱　/148

5.3.2　聚類分箱　/150

5.3.3　分箱對(duì)比　/151

5.3.4　箱的調(diào)整　/154

5.3.5　兩種特殊的調(diào)整方法　/156

5.3.6WOE映射　/158

5.4　本章小結(jié)　/158

第6章　特征篩選與建模　/159

6.1　初步篩選　/160

6.1.1　缺失率　/160

6.1.2　信息量　/161

6.1.3　相關(guān)性　/162

6.1.4　代碼實(shí)現(xiàn)　/163

6.2　逐步回歸　/164

6.2.1F檢驗(yàn)　/165

6.2.2　常見逐步回歸策略　/165

6.2.3　檢驗(yàn)標(biāo)準(zhǔn)　/166

6.2.4　代碼實(shí)現(xiàn)　/167

6.3　穩(wěn)定性　/167

6.4　負(fù)樣本分布圖　/169

6.5　評(píng)分卡案例　/171

6.6　本章小結(jié)　/189

第7章　拒絕推斷　/190

7.1　偏差產(chǎn)生的原因　/191

7.2　數(shù)據(jù)驗(yàn)證　/193

7.3　標(biāo)簽分裂　/193

7.4　數(shù)據(jù)推斷　/195

7.4.1　硬截?cái)喾ā?195

7.4.2　模糊展開法　/198

7.4.3　重新加權(quán)法　/199

7.4.4　外推法　/200

7.4.5　迭代再分類法　/202

7.5　本章小結(jié)　/204

第8章　模型校準(zhǔn)與決策　/205

8.1　模型校準(zhǔn)的意義　/206

8.2　校準(zhǔn)方法　/207

8.2.1　通用校準(zhǔn)　/208

8.2.2　多模型校準(zhǔn)　/210

8.2.3　錯(cuò)誤分配　/214

8.2.4　權(quán)重還原　/215

8.3　決策與應(yīng)用　/215

8.3.1　最優(yōu)評(píng)分切分　/216

8.3.2　交換集分析　/216

8.3.3　人工干預(yù)　/218

8.4　本章小結(jié)　/219

第9章　模型文檔　/220

9.1　模型背景　/221

9.2　模型設(shè)計(jì)　/222

9.2.1　模型樣本　/222

9.2.2　壞客戶定義　/222

9.3　數(shù)據(jù)準(zhǔn)備　/223

9.3.1　數(shù)據(jù)提取　/223

9.3.2　歷史趨勢(shì)聚合　/224

9.3.3　缺失值與極值處理　/224

9.3.4WOE處理　/225

9.4　變量篩選　/225

9.4.1　根據(jù)IV值進(jìn)行初篩　/226

9.4.2　逐步回歸分析　/226

9.4.3　模型調(diào)優(yōu)　/226

9.5　最終模型　/227

9.5.1　模型變量　/227

9.5.2　模型表現(xiàn)　/228

9.5.3　模型分制轉(zhuǎn)換　/228

9.6　表現(xiàn)追蹤　/228

9.7　附件　/229

9.8　本章小結(jié)　/231

總結(jié)

以上是生活随笔為你收集整理的python风险评分卡系统_智能风控:Python金融风险管理与评分卡建模(梅子行毛鑫宇著)...的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。