VIP20

本课程属于：002-反欺诈图谱变量衍生与分箱 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

GraphSAGE特征在反欺诈分箱中的调优方法

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

图神经网络基础

图论基本概念 · 图神经网络发展历程 · GraphSAGE原理介绍

图神经网络基础图论基本概念

反欺诈场景分析

常见欺诈类型 · 特征工程挑战 · 分箱技术概述

反欺诈场景分析常见欺诈类型

图数据构建

用户-设备交互图 · 交易网络图 · 时间序列图

图数据构建用户

GraphSAGE模型详解

采样 · 聚合 · 更新

GraphSAGE模型详解

节点特征与边特征

原始特征 · 结构特征 · 邻域聚合特征

节点特征边特征

特征重要性评估

GNNExplainer · 特征贡献度分析

特征重要性评估GNNExplainer

分箱概念与原理

等距分箱 · 等频分箱 · WOE分箱

分箱概念原理

分箱在反欺诈中的作用

离散化 · 非线性关系捕捉 · 鲁棒性提升

分箱反欺诈

GraphSAGE特征与分箱结合

特征提取 · 分箱映射 · 特征编码

GraphSAGE特征

最大化AUC · KS · 提升召回率

调优目标AUC

超参数调优

学习率 · 隐藏层维度 · 邻域采样数量

超参数调优学习率

基于IV值 · 卡方检验 · 递归特征消除

分箱参数优化

分箱数量 · 分箱边界 · 合并策略（卡方合并

分箱参数优化分箱数量

模型训练技巧

早停 · 正则化 · Dropout

模型训练技巧早停

特征归一化与标准化

MinMax · Z-score · RobustScaler

特征归一化标准化

处理不平衡数据

过采样（SMOTE） · 欠采样 · 代价敏感学习

处理不平衡数据SMOTE

时间序列反欺诈

时序窗口构造 · 滑动窗口分箱 · GraphSAGE时序特征

时间序列反欺诈时序窗口构造

异构图（Heterogeneous… · 元路径 · 多视图特征

多图融合Heterogeneou…

SHAP值 · 局部解释 · 全局解释

可解释性SHAP

交叉验证 · 时间回溯测试 · AB测试

模型评估交叉验证

特征稳定性监控

PSI · 特征分布漂移 · 模型退化检测

特征稳定性监控PSI

模型压缩 · 量化 · ONNX导出

部署优化模型压缩

特征存储（Feature Store… · 分箱规则持久化

工程实践Feature

信用卡交易反欺诈：图构建 · 特征提取 · 分箱调优

案例一信用卡交易反欺诈

账户注册反欺诈：设备指纹图 · 社交网络图 · 行为序列图

案例二账户注册反欺诈

贷款申请反欺诈：多头借贷图 · 黑名单关联图

案例三贷款申请反欺诈

对照实验 · A/B测试 · 线上效果评估

实验设计对照实验

常见陷阱与避坑指南

数据泄露 · 标签延迟 · 特征穿越

常见陷阱避坑指南

图神经网络与深度学习结合 · 自动分箱 · 自适应调优

未来趋势图神经网络

总结与展望

GraphSAGE在反欺诈中的最佳实… · 社区资源 · 学习路径

GraphSAGE反欺诈