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

信用评分模型训练与验证指南

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
信用评分模型概述与发展历程
信用评分模型概述与发展历程 · 核心概念 · 实践要点
信用评分模型概述发展历程
02
信用评分模型的应用场景与业务价值
信用评分模型的应用场景与业务价值 · 核心概念 · 实践要点
信用评分模型的应…业务价值
03
数据采集与隐私合规要求
数据采集与隐私合规要求 · 核心概念 · 实践要点
数据采集隐私合规要求
04
探索性数据分析（EDA）基础
探索性数据分析（EDA）基础 · 核心概念 · 实践要点
EDA探索性数据分析
05
缺失值处理与异常值检测
缺失值处理与异常值检测 · 核心概念 · 实践要点
缺失值处理异常值检测
06
特征工程
连续变量分箱与离散化
特征工程连续变量分箱
07
特征工程
WOE与IV值计算
特征工程WOE
08
特征选择方法
卡方 · 信息增益 · L1正则化
特征选择方法卡方
09
逻辑回归模型原理与损失函数
逻辑回归模型原理与损失函数 · 核心概念 · 实践要点
逻辑回归模型原理损失函数
10
逻辑回归在信用评分中的应用
逻辑回归在信用评分中的应用 · 核心概念 · 实践要点
逻辑回归信用评分
11
决策树与随机森林模型
决策树与随机森林模型 · 核心概念 · 实践要点
决策树随机森林模型
12
梯度提升树（XGBoost/LightGBM）在信用评分中的应用
梯度提升树（XGBoost/LightG… · 核心概念 · 实践要点
XGBoost/Ligh…梯度提升树
13
神经网络与深度学习尝试
神经网络与深度学习尝试 · 核心概念 · 实践要点
神经网络深度学习尝试
14
模型过拟合与正则化技术
模型过拟合与正则化技术 · 核心概念 · 实践要点
模型过拟合正则化技术
15
样本不平衡处理方法（SMOTE等）
样本不平衡处理方法（SMOTE等） · 核心概念 · 实践要点
SMOTE样本不平衡处理方…
16
训练集、验证集、测试集的划分策略
训练集、验证集、测试集的划分策略 · 核心概念 · 实践要点
训练集验证集
17
交叉验证与超参数调优
交叉验证与超参数调优 · 核心概念 · 实践要点
交叉验证超参数调优
18
评分卡转换
将概率映射为分数
评分卡转换将概率映射为分数
19
评分卡刻度设置与业务解释
评分卡刻度设置与业务解释 · 核心概念 · 实践要点
评分卡刻度设置业务解释
20
模型评估指标
KS · AUC · Gini
模型评估指标KS
21
模型稳定性指标
PSI · CSI
模型稳定性指标PSI
22
模型验证
回测 · 时间穿越测试
模型验证回测
23
模型可解释性
SHAP值与LIME
模型可解释性SHAP
24
模型部署与API服务化
模型部署与API服务化 · 核心概念 · 实践要点
API模型部署
25
模型监控与预警机制
模型监控与预警机制 · 核心概念 · 实践要点
模型监控预警机制
26
模型迭代与版本管理
模型迭代与版本管理 · 核心概念 · 实践要点
模型迭代版本管理
27
信用评分模型的监管合规（巴塞尔协议等）
信用评分模型的监管合规（巴塞尔协议等） · 核心概念 · 实践要点
信用评分模型的监…巴塞尔协议等
28
联邦学习在信用评分中的探索
联邦学习在信用评分中的探索 · 核心概念 · 实践要点
联邦学习信用评分
29
案例实战
从数据到评分卡全流程
案例实战从数据到评分卡全…
30
常见问题与避坑指南
常见问题与避坑指南 · 核心概念 · 实践要点
常见问题避坑指南