Udemy線上課程 Python數據分析行業案例課程--信用評分方法 建立者:三節課 sanjieke 影音教學 中文發音 中文版(DVD版)
玩轉數據分析，在信用評分的案例分析中，我們會用到各種各樣的模型，評分卡模型、數據分箱、Logistic回歸模型等等，后面還會涉及到互聯網金融案例的建模分析。信用評分是非常特殊且重要的領域，除銀行業外，近年來在網絡征信等新興領域中也頗受重視。
本課程使用銀行征信和互聯網金融征信兩個真實案例數據，完整介紹了信用評分卡模型在相關業務領域中的構建和實施流程。
課程的基本目標，就是做成一個行業的模板，相應的代碼，相應的分析思路，整個案例可作為分析模板供學員在信用評分相關的分析項目中直接套用。
本課程版權歸三節課所有，未經書面同意私自錄制、轉載等行為均屬侵權行為。課程內的所有內容，包括但不限于影片、文字、圖片均由三節課公司或其他權利人依法擁有其知識產權，包括但不限于著作權、商標權、專利權等。
未經三節課公司的明確書面特別授權，任何人不得為任何目的使用以及向任何自然人或單位提供出售、營銷、出版或利用三節課官網上提供的任何內容或服務。如有違反，您將承擔由此給三節課公司或其他權利人造成的一切損失。
01 - 課程導讀
001 課程簡介.html
002 講師介紹.html
003 課程大綱.html
02 - 第1章 信用卡評分模型概述
004 1-0 信用卡評分課程介紹.mp4
005 1-1 銀行業務概述.mp4
006 1-2 信用體系與信用風險.mp4
007 1-3 從信用評分到評分卡.mp4
008 1-4 A、B、C評分卡.mp4
009 1-5 信用評分中考慮的因素.mp4
03 - 第2章 傳統銀行案例之商業理解
010 2-1 如何定義壞樣本.mp4
011 2-2 如何建立評分卡模型.mp4
04 - 第3章 數據理解與數據準備
012 3-1 數據理解與準備.mp4
013 3-2 數據不平衡問題.mp4
05 - 第4章 數據分箱
014 4-1 分箱1概述.mp4
015 4-2 分箱2注意事項.mp4
016 4-3 分箱3無監督分箱的代碼實現.mp4
017 4-4 分箱4Best KS法與卡方分箱法.mp4
018 4-5 分箱5卡方分箱法的代碼實現.mp4
019 4-6 分箱6WOE與IV.mp4
020 4-7 分箱7WOE與IV的代碼實現.mp4
021 4-8 分箱8案例的具體實現.mp4
06 - 第5章 應用Logistic回歸楑型
022 5-1logistic回歸模型的基本概念.mp4
023 5-2 logistic回歸模型的適用條件.mp4
024 5-3 兩分類logistic的代碼實現.mp4
025 5-4 銀行案例具體的建模操作.mp4
07 - 第6章 從模型結果到評分卡
026 6-1 如何將概率轉換為分值.mp4
027 6-2 評分卡分值的具體計算.mp4
028 6-3 如何對評分卡分值進行分段.mp4
029 6-4 計算預期違約率.mp4
08 - 第7章 評分卡的使用與效果監控
030 7-1 模型驗證與模型監控.mp4
031 7-2 模型區分度的衡量指標.mp4
032 7-3 模型準確度的衡量指標.mp4
033 7-4 模型穩定性的衡量指標.mp4
034 7-5 評分卡模型的部署.mp4
035 7-6 評分卡的使用：準入與拒絕.mp4
036 7-7 授信額度與利率定價.mp4
037 7-8 拒絕推斷問題.mp4
09 - 第8章 互聯網金融案例
038 8-1 什麼是互聯網金融.mp4
039 8-2 內部與外部數據源.mp4
040 8-3 互聯網金融案例的原始數據.mp4
041 8-4 數據字典.mp4
042 8-5 本案例的特殊性.mp4
10 - 第9章 互聯網金融案例的數據預處理
043 9-1 特征工程概述.mp4
044 9-2 數據的探索性分析：概述.mp4
045 9-3 數據的探索性分析：代碼實現.mp4
046 9-4 數據衍生的基本思路.mp4
047 9-5 變量衍生函數.mp4
048 9-6 具體的變量衍生操作.mp4
049 9-7 缺失值處理的基本概念.mp4
050 9-8 具體的缺失值處理的代碼實現.mp4
051 9-9 分類變量的數值化.mp4
11 - 第10章 分箱操作的自動化實現
052 10-1 初步分箱結果.mp4
053 10-2 箱體的自動合并.mp4
054 10-3 分箱值批量轉換為WOE值.mp4
12 - 第11章 互聯網金童案例的特征篩選
055 11-1 刪除低VI和比例超標變量.mp4
056 11-2 共線性的識別與處理.mp4
057 11–3 刪除共線性變量.mp4
058 11-4 樹模型的基本原理.mp4
059 11-5 樹模型的各種算法.mp4
060 11-6 隨機森林.mp4
061 11-7 隨機森林初篩.mp4
13 - 第12章 互聯網金融案例的建模分析
062 12-1 建模前需要考慮的問題.mp4
063 12-2 logistic回歸的sklearn實現.mp4
064 12-3 手動篩選變量并建模.mp4
065 12-4 控制模型復雜度：正則化.mp4
066 12-5 參數的網格搜索.mp4
067 12-6 搜索最佳懲罰項.mp4
14 - 回顧總結
068 課後寄語.html
|
|
您現在的位置：
專業知識教學
