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

  • 全新智能风控 原理、算法与工程实践梅子行9787111643531
  • 正版
    • 作者: 梅子行著 | 梅子行编 | 梅子行译 | 梅子行绘
    • 出版社: 机械工业出版社
    • 出版时间:2020-01-01
    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:
    萌萌哒图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 梅子行著| 梅子行编| 梅子行译| 梅子行绘
    • 出版社:机械工业出版社
    • 出版时间:2020-01-01
    • 版次:1
    • 印次:1
    • 页数:227
    • 开本:16开
    • ISBN:9787111643531
    • 版权提供:机械工业出版社
    • 作者:梅子行
    • 著:梅子行
    • 装帧:平装
    • 印次:1
    • 定价:89.00
    • ISBN:9787111643531
    • 出版社:机械工业出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2020-01-01
    • 页数:227
    • 外部编号:1202013186
    • 版次:1
    • 成品尺寸:暂无


    前言
    章风控建模与规则挖掘/1
    1.1信贷与风险/1
    1.1.1信贷业务与互联网金融风控体系/1
    1.1.2信贷风险与控制/4
    1.2工业建模流程/5
    1.2.1抽象业务/6
    1.2.2定义标签/6
    1..样本选取/7
    1.2.4特征工程与模型调优/9
    1.2.5上线监控与评估报表/10
    1.3规则挖掘方案/13
    1.4本章小结/20
    第2章集成模型评分卡/21
    2.1特征工程解析/21
    2.1.1特征与模型/22
    2.1.2信用模型的特征/22
    2.2特征衍生方案/24
    .离散处理/27
    ..1one-hot编码/27
    ..2WOE编码/28
    2.4迭代特征筛选方案/33
    2.5自动化调参/38
    2.5.1自动化调参策略/38
    2.5.2参数搜索方案/39
    2.5.3调参框架搭建/40
    2.6递归特征删除方案/43
    2.7评分卡制作/44
    2.7.1逻辑回归评分卡/45
    2.7.2集成模型的评分映/55
    2.7.3针对业务改写评价函数/59
    2.8本章小结/60
    第3章迁移学习与冷启动/61
    3.1迁移学习基础/61
    3.1.1应用场景/62
    3.1.2概念介绍/62
    3.2迁移学习方/63
    3.2.1三类常见算法/63
    3.2.2迁移的实现方法/64
    3.3少量有标签样本的迁移方案/65
    3.3.1TrAdaBoost模型/65
    3.3.2跨场景迁移模型/67
    3.4无标签样本迁移之JDA/76
    3.4.1JDA模型/76
    3.4.2模型应用/79
    3.5无标签样本迁移之DTELM/80
    3.5.1ELM模型/81
    3.5.2DTELM模型/82
    3.5.3模型应用/84
    3.6迁移样本筛选方案/88
    3.6.1背景介绍/88
    3.6.2算法框架概览/88
    3.6.3搭建融合框架/89
    3.7本章小结/93
    第4章幸存者偏差/95
    4.1幸存者偏差的含义/95
    4.2增量学习/96
    4.3生成对抗网络/97
    4.3.1GAN模型介绍/98
    4.3.2GAN与幸存者偏差/99
    4.4高斯混合模型/100
    4.4.1GMM算法原理/101
    4.4.2GMM简单应用/103
    4.4.3GMM中的概率模型/104
    4.4.4GMM样本生成/107
    4.5信息准则/110
    4.5.1赤池信息准则/110
    4.5.2贝叶斯信息准则/111
    4.5.3AIC与BIC比较/111
    4.6本章小结/112
    第5章不均衡学习/113
    5.1样本不均衡/113
    5.2代价加权方案/114
    5.3插值过采样方案/115
    5.3.1SMOTE算法/115
    5.3.2过采样算法实践/116
    5.4半监督学习方案/121
    5.4.1前提设/22
    5.4.SVM/122
    5.4.3LP/127
    5.5本章小结/130
    第6章异常检测/132
    6.1离群点与欺诈检测/133
    6.2z-score检验/134
    6.3LOF异常检测法/134
    6.3.1原理与算法流程/135
    6.3.2LOF样本清洗方案/137
    6.4IF异常检测法/139
    6.4.1原理与算法流程/139
    6.4.2PreA模型与冷启动/141
    6.5本章小结/144
    第7章模型优化/145
    7.1多损失函数分段预测/145
    7.1.1两种损失函数/146
    7.1.2融合流程/146
    7.2树模型特征衍生/149
    7.2.1GBDT离散化/149
    7.2.2融合方案详解/150
    7..特征衍生细节/151
    7.2.4案例/151
    7.3时间序列建模/160
    7.3.1RNN/160
    7.3.2LSTM/163
    7.3.3门控结构/164
    7.3.4LSTM行为评分卡案例/166
    7.4高维稀疏数据建模/170
    7.4.1算法原理/171
    7.4.2算法应用/172
    7.5模型融合/173
    7.5.1模型融合基础/173
    7.5.2模型筛选/174
    7.5.3业务应用方案/181
    7.6本章小结/183
    第8章知识图谱/184
    8.1复杂网络基础/184
    8.2中心度与相似/17
    8.3节点分类/193
    8.3.1朴素节点分类/193
    8.3.2邻节点加权投票/195
    8.3.3一致标签传播/197
    8.4社区发现算法/200
    8.4.1基础概念/200
    8.4.2Girvan-Newman算法/201
    8.4.3Louvain算法/202
    8.4.4社区评估/204
    8.5网络表示学习/206
    8.5.1矩阵分解/207
    8.5.2节点嵌入/210
    8.6图卷积神经网络/215
    8.6.1卷积神经网络/215
    8.6.2傅里叶变换/217
    8.6.3拉普拉斯算子/219
    8.6.4GCN中的图卷积/221
    8.7本章小结/225
    参考文献/226

    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