由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
全新智能风控 原理、算法与工程实践梅子行9787111643531
¥ ×1
序
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
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格