VIP15
本课程属于：012-反欺诈图谱与团伙识别 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

图神经网络欺诈节点分类与阈值优化实战

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=欺诈检测背景 · 图神经网络价值 · 课程目标与整体学习路径
课程导入目标=欺诈检测背…
02
欺诈检测基础
目标=欺诈类型 · 节点分类定义 · 类别不平衡
欺诈检测基础目标=欺诈类型
03
图数据表示
目标=节点 · 边 · 特征
图数据表示目标=节点
04
图神经网络入门
目标=消息传递机制 · 聚合更新 · GCN
图神经网络入门目标=消息传递机…
05
环境与工具
目标=PyTorch Geometr… · DGL · NetworkX
环境工具
06
欺诈图数据探索
目标=统计分布 · 可视化 · 社区结构
欺诈图数据探索目标=统计分布
07
特征工程
目标=节点属性 · 结构特征 · 时序特征
特征工程目标=节点属性
08
图构建策略
目标=同构图 · 异构图 · 二部图
图构建策略目标=同构图
09
GCN模型实战
目标=原理推导 · 层数设计 · 过平滑问题与欺诈节点分类实现
GCN模型实战
10
GraphSAGE模型实战
目标=采样聚合 · 归纳学习 · 小批量训练与欺诈检测应用
GraphSAGE模型实战
11
GAT模型实战
目标=注意力机制 · 邻居权重学习 · 可解释性与欺诈识别
GAT模型实战
12
异构图神经网络
目标=元路径 · HAN · RGCN与多类型节点欺诈检测
异构图神经网络目标=元路径
13
动态图神经网络
目标=时序图 · TGN · EvolveGCN与欺诈行为演化建模
动态图神经网络目标=时序图
14
不平衡学习
目标=重采样 · 代价敏感 · Focal Loss与图数据增强策略
不平衡学习目标=重采样
15
模型训练技巧
目标=损失函数 · 优化器 · 早停
模型训练技巧目标=损失函数
16
模型评估
目标=准确率 · 精确率 · 召回率
模型评估目标=准确率
17
阈值优化基础
目标=分类阈值作用 · 混淆矩阵 · 代价矩阵与业务成本定义
阈值优化基础目标=分类阈值作…
18
阈值优化方法
目标=网格搜索 · PR曲线 · 代价敏感阈值
阈值优化方法目标=网格搜索
19
阈值优化实战
目标=基于验证集选择阈值 · 交叉验证 · 阈值稳定性与部署策略
阈值优化实战目标=基于验证集…
20
可解释性与归因
目标=GNNExplainer · 注意力可视化 · 子图解释与欺诈调查
可解释性归因
21
对抗攻击与鲁棒性
目标=图扰动 · 投毒攻击 · 防御策略与鲁棒性评估
对抗攻击鲁棒性
22
隐私与合规
目标=联邦图学习 · 差分隐私 · 数据安全与欺诈检测合规要求
隐私合规
23
案例实战一
目标=金融交易图欺诈节点分类与阈值优…
案例实战一目标=金融交易图…
24
案例实战二
目标=社交网络虚假账号检测与图神经网…
案例实战二目标=社交网络虚…
25
案例实战三
目标=电商刷单团伙识别与异构图建模
案例实战三目标=电商刷单团…
26
案例实战四
目标=动态图欺诈检测与实时阈值调整
案例实战四目标=动态图欺诈…
27
常见问题与调优
目标=过拟合 · 过平滑 · 标签缺失
常见问题调优
28
工程化部署
目标=模型压缩 · 推理加速 · 在线服务
工程化部署目标=模型压缩
29
综合项目
目标=端到端欺诈检测系统设计 · 实现 · 评估与报告撰写
综合项目目标=端到端欺诈…
30
课程总结与提升
目标=知识体系回顾 · 前沿方向 · 论文阅读与持续学习建议
课程总结提升