VIP12
本课程属于：048-金融图机器学习与关系建模 智能金融与金融工程 · 共 12 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

金融图模型可解释性GNNExplainer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=金融图模型可解释性的意义 · GNNExplainer的定位 · 学习目标与整体课程框架
课程导入目标=金融图模型…
02
金融图数据基础
目标=图结构 · 节点 · 边
金融图数据基础目标=图结构
03
图神经网络入门
目标=GCN · GAT · GraphSAGE的基本原理
图神经网络入门GCN
04
可解释性基本概念
目标=全局解释与局部解释 · 忠实性 · 稳定性
可解释性基本概念目标=全局解释
05
GNNExplainer核心思想
目标=掩码优化 · 子图解释 · 特征解释
GNNExplainer核心思想
06
GNNExplainer算法细节
目标=边掩码与节点特征掩码 · 互信息最大化 · 连续松弛与训练技巧
GNNExplainer算法细节
07
环境搭建与工具链
目标=PyTorch Geometr… · DGL · GNNExplainer官方实现及金…
环境搭建工具链
08
金融图模型构建实战
目标=基于交易网络的欺诈检测GNN模… · 训练与评估
金融图模型构建实…GNN
09
GNNExplainer快速上手
目标=对训练好的金融GNN模型生成节…
GNNExplainer快速上手
10
解释结果解读
目标=如何阅读重要子图 · 关键边与节点特征贡献 · 避免常见误读
解释结果解读目标=如何阅读重…
11
金融场景案例一
目标=信贷申请网络中的拒绝原因解释与…
金融场景案例一目标=信贷申请网…
12
金融场景案例二
目标=反洗钱交易网络中的可疑子图识别…
金融场景案例二目标=反洗钱交易…
13
金融场景案例三
目标=投资组合关联网络中的风险传导解…
金融场景案例三目标=投资组合关…
14
解释评估方法
目标=忠实性 · 稀疏性 · 稳定性
解释评估方法目标=忠实性
15
GNNExplainer的局限与改进
目标=计算复杂度 · 可扩展性 · 动态图适应性与替代方法对比
GNNExplainer的局限
16
面向监管的解释报告
目标=将GNNExplainer结果… · 可审计的金融解释文档
面向监管的解释报…GNNExplainer
17
模型调试与优化
目标=利用解释结果发现数据泄漏 · 偏差 · 过拟合与图结构问题
模型调试优化
18
多模型与多任务解释
目标=同时解释节点分类 · 链路预测 · 图分类等金融任务
多模型多任务解释
19
动态金融图解释
目标=时序图 · 演化图上的GNNExplainer扩…
动态金融图解释目标=时序图
20
大规模金融图处理
目标=采样 · 子图抽取 · 分布式训练与解释加速策略
大规模金融图处理目标=采样
21
常见问题与排错
目标=解释不稳定 · 掩码不收敛 · 可视化混乱
常见问题排错
22
与其他可解释方法对比
目标=GNNExplainer · PGExplainer · GraphLIME
其他可解释方法对…GNNExplainer
23
金融业务落地流程
目标=从数据准备 · 模型训练 · 解释生成到业务验证的完整项目流程
金融业务落地流程目标=从数据准备
24
实战项目一
目标=构建端到端金融反欺诈GNNEx…
实战项目一GNNEx
25
实战项目二
目标=基于GNNExplainer的…
实战项目二GNNExplainer
26
实战项目三
目标=动态交易网络中的洗钱团伙发现与…
实战项目三目标=动态交易网…
27
综合提升
目标=解释性驱动的模型迭代 · 特征工程与业务规则融合
综合提升目标=解释性驱动…
28
前沿进展
目标=因果图解释 · 大模型与图解释结合 · 自解释GNN在金融中的探索
前沿进展目标=因果图解释
29
课程总结
目标=核心知识点回顾 · 方法流程梳理 · 实战经验提炼与学习路径建议
课程总结目标=核心知识点…
30
扩展练习与认证
目标=课后项目 · 数据集推荐 · 评估指标实践与能力自测
扩展练习认证