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

特征工程提升信用评分实战指南

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
信用评分概述与特征工程重要性
介绍信用评分卡模型 · 特征工程在提升模型性能中的关键作用
信用评分概述特征工程重要性
02
数据获取与初步探索
获取信用数据集（如Kaggle Gi… · 进行数据类型 · 缺失值
数据获取初步探索
03
数据清洗
缺失值处理：统计缺失率 · 采用均值/中位数/众数填充 · 或模型预测填充
数据清洗缺失值处理
04
数据清洗
异常值检测与处理：使用IQR · Z-score · 箱线图等方法识别异常值
数据清洗IQR
05
数据标准化与归一化
Min-Max归一化 · Z-score标准化 · 对比不同缩放方法对模型的影响
数据标准化归一化
06
特征构造
基于业务逻辑的特征 · 信用卡利用率等衍生特征
特征构造基于业务逻辑的特…
07
特征构造
时间序列特征 · 平均逾期天数等时序聚合特征
特征构造时间序列特征
08
特征构造
聚合特征 · 方差 · 计数等）
特征构造聚合特征
09
特征编码
标签编码与独热编码 · 对有序类别进行Label Encod…
特征编码标签编码
10
特征编码
目标编码与频次编码 · 注意避免过拟合
特征编码目标编码
11
特征选择
过滤法：方差阈值 · Pearson相关系数 · 互信息法筛选特征
特征选择过滤法
12
特征选择
包装法
特征选择包装法
13
特征选择
嵌入法 · 树模型特征重要性排序
特征选择嵌入法
14
特征降维
PCA主成分分析：原理讲解 · 在信用评分中应用PCA提取主成分 · 保留方差解释率
特征降维PCA
15
特征降维
LDA线性判别分析：有监督降维 · 最大化类间距离 · 适用于二分类信用评分
特征降维LDA
16
特征交互
多项式特征 · 注意维度爆炸问题
特征交互多项式特征
17
特征交互
乘积特征与比值特征
特征交互乘积特征
18
特征分箱
等距分箱与等频分箱：连续特征离散化 · 比较两种分箱的优劣
特征分箱等距分箱
19
特征分箱
卡方分箱与最优分箱 · 以及基于IV值的最优分箱算法
特征分箱卡方分箱
20
特征重要性评估
模型依赖与不依赖 · SHAP值评估特征贡献
特征重要性评估模型依赖
21
不平衡数据处理
过采样与欠采样：SMOTE过采样 · 随机欠采样 · 在信用评分中处理违约样本稀少问题
不平衡数据处理SMOTE
22
特征工程流水线构建
使用sklearn Pipeline… · 特征构造 · 特征选择
特征工程流水线构…sklearn
23
模型训练与调参
训练逻辑回归 · XGBoost · LightGBM等模型
模型训练调参
24
信用评分卡构建
将模型预测概率转换为评分卡分数 · 计算WOE和IV · 制定评分区间
信用评分卡构建将模型预测概率转…
25
特征稳定性监控
计算群体稳定性指标PSI · 监控特征分布随时间变化 · 确保模型稳定
特征稳定性监控PSI
26
特征有效性评估
计算IV值筛选高预测力特征 · WOE编码确保单调性
特征有效性评估IV
27
特征工程自动化探索
使用Featuretools自动生成… · 或使用AutoFe等工具
特征工程自动化探…Featuretools
28
实战案例
数据集介绍与预处理 · 加载数据 · 数据清洗
实战案例数据集介绍
29
实战案例
特征工程完整流程：完成缺失值处理 · 异常值处理 · 特征构造
实战案例特征工程完整流程
30
实战案例
模型评估与评分卡输出：训练最终模型 · 评估AUC/K-S · 生成评分卡规则并输出报告
实战案例模型评估