首页
›
金融科技风控与量化工程
›
001-信用评分模型特征样本分层
›
《信用评分模型性能调优方法》
VIP20
本课程属于:001-信用评分模型特征样本分层
金融科技风控与量化工程 · 共 20 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
信用评分模型性能调优方法
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
信用评分模型概述
定义 · 应用场景与模型评估指标
信用评分模型概述
定义
02
评分卡模型原理
标准评分卡 · 逻辑回归评分卡 · A卡B卡C卡
评分卡模型原理
标准评分卡
03
数据准备与预处理
缺失值处理 · 异常值处理 · 特征选择
数据准备
预处理
04
特征工程
WOE编码 · IV值计算 · 变量分箱
特征工程
WOE
05
单一特征分箱方法
等距分箱 · 等频分箱 · 最优分箱
单一特征分箱方法
等距分箱
06
逻辑回归模型
理论基础 · 损失函数 · 正则化
逻辑回归模型
理论基础
07
模型训练与调参
LR超参数 · C值 · 惩罚项选择
模型训练
调参
08
决策树模型
基本概念 · 过拟合 · 剪枝
决策树模型
基本概念
09
随机森林
集成学习 · 特征重要性 · 调参
随机森林
集成学习
10
梯度提升树
XGBoost · LightGBM · CatBoost入门
梯度提升树
XGBoost
11
XGBoost调参
学习率 · 树深度 · 子采样
XGBoost
调参
12
LightGBM调参
叶子数 · 学习率 · 特征采样
LightGBM
调参
13
CatBoost调参
迭代次数 · 学习率 · 深度
CatBoost
调参
14
模型融合
Stacking · Blending · 加权平均
模型融合
Stacking
15
超参数搜索方法
网格搜索 · 随机搜索 · 贝叶斯优化
超参数搜索方法
网格搜索
16
贝叶斯优化实践
使用hyperopt或optuna调…
贝叶斯优化实践
hyperopt
17
模型评估指标
AUC · KS · Gini
模型评估指标
AUC
18
AUC提升技巧
样本权重 · 阈值调整 · 重采样
AUC
提升技巧
19
样本不平衡处理
过采样(SMOTE) · 欠采样 · 代价敏感学习
样本不平衡处理
SMOTE
20
模型稳定性监控
PSI指标 · 特征稳定性 · 模型衰减
模型稳定性监控
PSI
21
特征选择方法
过滤式 · 包裹式 · 嵌入式
特征选择方法
过滤式
22
相关性分析与多重共线性处理
VIF · 相关性热图
相关性分析
多重共线性处理
23
时间序列验证
回溯测试 · 时间切片 · 跨时间验证
时间序列验证
回溯测试
24
模型解释性
SHAP值 · 特征重要性 · LIME
模型解释性
SHAP
25
评分卡转换
将逻辑回归系数转换为分数
评分卡转换
将逻辑回归系数转…
26
分数校准
分数分布调整 · 分数区间优化
分数校准
分数分布调整
27
模型部署与监控
API部署 · 批量预测 · 实时监控
模型部署
监控
28
自动化调参框架
Ray Tune · Optuna · Hyperopt实战
自动化调参框架
Ray
29
案例实战
信用评分卡全流程调优项目
案例实战
信用评分卡全流程…
30
性能优化总结与最佳实践
常见问题与解决方案
性能优化总结
最佳实践
所属VIP或分类
同VIP:Python信用评分卡模型实战教程
同VIP:Python信用评分特征筛选教程
同VIP:XGBoost信用评分建模实战