首页
›
智能金融与金融工程
›
001-信用评分卡与申请评分建模
›
《Python信用评分卡开发实战100例》
VIP15
本课程属于：001-信用评分卡与申请评分建模
智能金融与金融工程 · 共 15 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
《Python信用评分卡开发实战100例》
共 100 例
01
信用评分卡业务理解与项目初始化
02
申请评分卡数据字典构建
03
原始申请数据加载与初步探查
04
目标变量定义与好坏样本划分
05
观察期与表现期窗口设定
06
缺失值分布可视化与统计
07
连续变量异常值检测与处理
08
类别变量稀有类别合并
09
基于业务规则的无效特征剔除
10
连续变量分箱：等频分箱实现
11
连续变量分箱：等距分箱实现
12
连续变量分箱：决策树分箱实现
13
连续变量分箱：卡方分箱实现
14
类别变量分箱：基于坏样本率的合并
15
分箱单调性检验与调整
16
WOE与IV值计算
17
IV值筛选特征变量
18
变量相关性分析与共线性处理
19
VIF方差膨胀因子检验
20
WOE编码转换与数据集准备
21
逻辑回归评分卡模型训练
22
逻辑回归模型性能评估
23
评分卡刻度转换与基础分设定
24
生成标准评分卡表
25
评分卡分数分布分析
26
评分卡KS曲线绘制与阈值确定
27
评分卡Lift与增益图分析
28
评分卡PSI稳定性监控
29
评分卡前端拒绝推断
30
评分卡模型校准
31
评分卡交叉验证与超参数调优
32
评分卡特征工程：变量衍生
33
评分卡特征工程：时间窗口聚合
34
评分卡特征工程：类别变量目标编码
35
评分卡特征选择：递归特征消除
36
评分卡特征选择：基于L1正则化
37
评分卡模型可解释性：SHAP值分析
38
评分卡模型可解释性：部分依赖图
39
评分卡模型监控：变量分布漂移检测
40
评分卡模型监控：评分分布漂移检测
41
评分卡模型监控：坏样本率监控
42
评分卡模型重训练触发机制
43
评分卡模型版本管理与回滚
44
评分卡API服务封装
45
评分卡批量评分脚本开发
46
评分卡决策引擎规则配置
47
评分卡策略调优：通过率与坏账率权衡
48
评分卡利润曲线分析
49
评分卡Swap Set分析
50
评分卡Vintage分析
51
评分卡滚动率分析
52
评分卡迁徙率分析
53
评分卡申请反欺诈规则挖掘
54
评分卡身份验证与第三方数据整合
55
评分卡收入预测模型辅助
56
评分卡额度策略制定
57
评分卡定价策略制定
58
评分卡催收策略制定
59
评分卡客户分群与画像
60
评分卡A/B测试设计与分析
61
评分卡模型公平性评估
62
评分卡模型公平性修正
63
评分卡模型文档自动化生成
64
评分卡模型部署到Docker容器
65
评分卡模型持续集成与持续部署
66
评分卡模型性能压测
67
评分卡模型缓存优化
68
评分卡模型异步批量评分
69
评分卡模型日志与审计
70
评分卡模型异常检测与告警
71
评分卡模型数据质量检查
72
评分卡模型特征存储
73
评分卡模型在线学习
74
评分卡模型迁移学习
75
评分卡模型融合
76
评分卡模型对比：逻辑回归 vs 决策树
77
评分卡模型对比：逻辑回归 vs 随机森林
78
评分卡模型对比：逻辑回归 vs XGBoost
79
评分卡模型对比：逻辑回归 vs 神经网络
80
评分卡模型对比：不同分箱方法对性能的影响
81
评分卡模型对比：不同WOE编码方式
82
评分卡模型对比：不同特征选择方法
83
评分卡模型对比：不同采样方法
84
评分卡模型对比：不同正则化强度
85
评分卡模型对比：不同评分刻度
86
评分卡模型对比：不同时间窗口
87
评分卡模型对比：不同样本权重
88
评分卡模型对比：不同拒绝推断方法
89
评分卡模型对比：不同校准方法
90
评分卡模型对比：不同公平性修正方法
91
评分卡模型对比：不同部署方式
92
评分卡模型对比：不同监控指标
93
评分卡模型对比：不同重训练策略
94
评分卡模型对比：不同业务场景适配
95
评分卡模型对比：不同国家监管要求
96
评分卡模型对比：不同评分卡类型
97
评分卡模型对比：不同模型解释工具
98
评分卡模型对比：不同自动化机器学习工具
99
评分卡模型对比：不同特征交互方法
100
评分卡模型对比：不同缺失值处理方法
所属VIP或分类
同VIP：LightGBM信用评分建模与概率校准实战
同VIP：Python逻辑回归信用评分卡开发与部署实战
同VIP：scorecardpy信用评分卡自动建模与验证