返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • [正版]智能风控(Python金融风险管理与评分卡建模)
  • 正版图书 品质保障
    • 作者: 无著
    • 出版社: 图书其它
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    友一个图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: 无著
    • 出版社:图书其它
    • ISBN:9786081422170
    • 版权提供:图书其它

             店铺公告

      为保障消费者合理购买需求及公平交易机会,避免因非生活消费目的的购买货囤积商品,抬价转售等违法行为发生,店铺有权对异常订单不发货且不进行赔付。异常订单:包括但不限于相同用户ID批量下单,同一用户(指不同用户ID,存在相同/临近/虚构收货地址,或相同联系号码,收件人,同账户付款人等情形的)批量下单(一次性大于5本),以及其他非消费目的的交易订单。

    温馨提示:请务必当着快递员面开箱验货,如发现破损,请立即拍照拒收,如验货有问题请及时联系在线客服处理,(如开箱验货时发现破损,所产生运费由我司承担,一经签收即为货物完好,如果您未开箱验货,一切损失就需要由买家承担,所以请买家一定要仔细验货),

    关于退货运费:对于下单后且物流已发货货品在途的状态下,原则上均不接受退货申请,如顾客原因退货需要承担来回运费,如因产品质量问题(非破损问题)可在签收后,联系在线客服。

      本店存在书、古旧书、收藏书、二手书等特殊商品,因受采购成本限制,可能高于定价销售,明码标价,介意者勿拍!

    1.书籍因稀缺可能导致售价高于定价,图书实际定价参见下方详情内基本信息,请买家看清楚且明确后再拍,避免价格争议!

    2.店铺无纸质均开具电子,请联系客服开具电子版

     

    基本信息
    商品名称:智能风控(Python金融风险管理与评分卡建模)开本:16开
    作者:梅子行//毛鑫宇|责编:朱巍页数:
    定价:89出版时间:2020-05-01
    ISBN号:9787111653752 印刷时间:2020-05-01
    出版社:机械工业版次:1
    商品类型:图书印次:1
    作者简介:
    作者简介梅子行作者是风控、AI和算法领域的工程师,历任多家知名金融科技公司的算法研究员、数据挖掘工程师。师承Experian、Discover等企业的风控专家,擅长深度学习、复杂网络、迁移学习、异常检测等非传统机器学习方法,热衷于数据挖掘以及算法的跨领域优化实践。
        著有畅销书《智能风控:原理、算法与工程实践》,是本书的姊妹篇,被 网评为科技类图书新星作家。
        公众号与知乎专栏:“大数据风控与机器学习”。
        毛鑫宇品牌视觉设计师、插画设计师。曾任职 知名文旅公司品牌设计师,设计打造知名文化旅游目的地及品牌设计案例,作为插画设计师完成《智能风控:原理、算法与工程实践》一书。擅长品牌视觉设计、IP形象设计、插画设计,致力于用设计创造价值,让设计在跨领域合作中碰撞出 多的可能性。站酷设计师主页为“白鸽巡游记”。
    内容提要:
    内容简介本书基于Python讲解了信用风险管理和评分卡建模,用漫画的风格,从风险业务、统计分析方法、机器学习模型3个维度展开,详细讲解了信用风险量化相关的数据分析与建模手段,并提供大量的应用实例。作者在多加知名金融公司从事算法研究多年,经验丰富,本书得到了学术界和企业界多位金融风险管理专家的高度评价。
        全书一共9章,首先介绍了信用风险量化的基础,然后依次讲解了信用评分模型开发过程中的数据处理、用户分群、变量处理、变量衍生、变量筛选、模型训练、拒 推断、模型校准、决策应用、模型监控、模型重构与迭代、模型报告撰写等内容。
        所有章节都由问题、算法、案例三部分组成,针对性和实战性都 强。

    ......

    目录:

    前言
    第1章 信用管理基础 /1
    1.1 信用与管理 /2
    1.2 风控术语解读 /3
     1.2.1 信贷基础指标 /4
     1.2.2 信贷风险指标 /5
    1.3 企业信贷风控架构 /7
    1.4 本章小结 /10
    第2章 评分卡 /11
    2.1 评分卡概念 /12
     2.1.1 适用客群 /13
     2.1.2 用途 /14
    2.2 建模流程 /15
    2.3 模型设计 /16
     2.3.1 业务问题转化 /17
     2.3.2 账龄分析与时间窗口设计 /17
     2.3.3 数据集切分 /19
     2.3.4 样本选择 /20
     2.3.5 采样与加权 /21
    2.4 数据与变量解读 /25
    2.5 本章小结 /26
    第3章 机器学习 /27
    3.1 基本概念 /28
     3.1.1 空间表征 /29
     3.1.2 模型学习 /31
     3.1.3 模型评价 /32
    3.2 广义线性模型 /33
     3.2.1 多元线性回归模型 /34
     3.2.2 经验风险与结构风险 /35
     3.2.3 极大似然估计 /38
    3.3 逻辑回归 /39
     3.3.1 sigmoid函数 /40
     3.3.2  似然估计 /41
     3.3.3 多项逻辑回归学习 /41
     3.3.4 标准化 /42
    3.4 性能度量 /44
     3.4.1 误差 /45
     3.4.2 混淆矩阵与衍生指标 /45
     3.4.3 不均衡模型评价 /48
     3.4.4 业务评价 /52
    3.5 上线部署与监控 /55
     3.5.1 上线部署 /55
     3.5.2 前端监控 /57
     3.5.3 后端监控 /59
    3.6 迭代与重构 /61
     3.6.1 模型迭代 /61
     3.6.2 模型重构 /62
    3.7 辅助模型 /62
     3.7.1 XGBoost /63
     3.7.2 模型解释性 /74
     3.7.3 因子分解机 /81
    3.8 模型合并 /82
    3.9 本章小结 /86
    第4章 用户分群 /87
    4.1 辛普森悖论 /88
    4.2 监督分群 /90
     4.2.1 决策树原理 /90
     4.2.2 决策树分群 /92
     4.2.3 生成拒 规则 /95
    4.3 无监督分群 /105
     4.3.1 GMM原理 /106
     4.3.2 GMM分群 /107
    4.4 用户画像与聚类分析 /108
     4.4.1 数据分布可视化 /109
     4.4.2 K均值聚类 /110
     4.4.3 均值漂移聚类 /111
     4.4.4 层次聚类 /113
     4.4.5 tSNE聚类 /114
     4.4.6 DBSCAN聚类 /115
     4.4.7 方差分析 /117
    4.5 本章小结 /119
    第5章 数据探索与特征工程 /120
    5.1 探索性数据分析 /121
     5.1.1 连续型变量 /122
     5.1.2 离散型变量 /123
     5.1.3 代码实现 /123
    5.2 特征生成 /126
     5.2.1 特征聚合 /127
     5.2.2 特征组合 /145
    5.3 特征变换 /147
     5.3.1 卡方分箱 /148
     5.3.2 聚类分箱 /150
     5.3.3 分箱对比 /151
     5.3.4 箱的调整 /154
     5.3.5 两种特殊的调整方法 /156
     5.3.6 WOE映射 /158
    5.4 本章小结 /158
    第6章 特征筛选与建模 /159
    6.1 初步筛选 /160
     6.1.1 缺失率 /160
     6.1.2 信息量 /161
     6.1.3 相关性 /162
     6.1.4 代码实现 /163
    6.2 逐步回归 /164
     6.2.1 F检验 /165
     6.2.2 常见逐步回归策略 /165
     6.2.3 检验标准 /166
     6.2.4 代码实现 /167
    6.3 稳定性 /167
    6.4 负样本分布图 /169
    6.5 评分卡案例 /171
    6.6 本章小结 /189
    第7章 拒 推断 /190
    7.1 偏差产生的原因 /191
    7.2 数据验证 /193
    7.3 标签分裂 /193
    7.4 数据推断 /195
     7.4.1 硬截断法 /195
     7.4.2 模糊展开法 /198
     7.4.3 重新加权法 /199
     7.4.4 外推法 /200
     7.4.5 迭代再分类法 /202
    7.5 本章小结 /204
    第8章 模型校准与决策 /205
    8.1 模型校准的意义 /206
    8.2 校准方法 /207
     8.2.1 通用校准 /208
     8.2.2 多模型校准 /210
     8.2.3 错误分配 /214
     8.2.4 权重还原 /215
    8.3 决策与应用 /215
     8.3.1  评分切分 /216
     8.3.2 交换集分析 /216
     8.3.3 人工干预 /218
    8.4 本章小结 /219
    第9章 模型文档 /220
    9.1 模型背景 /221
    9.2 模型设计 /222
     9.2.1 模型样本 /222
     9.2.2 坏客户定义 /222
    9.3 数据准备 /223
     9.3.1 数据提取 /223
     9.3.2 历史趋势聚合 /224
     9.3.3 缺失值与极值处理 /224
     9.3.4 WOE处理 /225
    9.4 变量筛选 /225
     9.4.1 根据IV值进行初筛 /226
     9.4.2 逐步回归分析 /226
     9.4.3 模型调优 /226
    9.5  终模型 /227
     9.5.1 模型变量 /227
     9.5.2 模型表现 /228
     9.5.3 模型分制转换 /228
    9.6 表现追踪 /228
    9.7 附件 /229
    9.8 本章小结 /231

    ......

    精 彩 页:
    1095838359
    1
    • 商品详情
    • 内容简介

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购