VIP20
本课程属于：007-贷后预警策略坏样本归因 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

坏样本归因分析从入门到实战讲义

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
坏样本归因分析概述
什么是坏样本 · 归因分析的定义 · 在风控/反欺诈中的核心价值
坏样本归因分析概…什么是坏样本
02
坏样本的常见类型
欺诈样本 · 逾期样本 · 异常交易样本
坏样本的常见类型欺诈样本
03
归因分析的基本流程
问题定义→数据收集→特征工程→模型构…
归因分析的基本流…问题定义→数据收…
04
数据收集与预处理
坏样本标注 · 缺失值处理 · 异常值检测
数据收集预处理
05
探索性数据分析(EDA)
单变量分布 · 双变量交叉分析 · 坏样本率趋势图
EDA探索性数据分析
06
特征工程基础
特征构造 · 特征选择 · 特征分箱
特征工程基础特征构造
07
坏样本归因的统计方法
卡方检验 · T检验 · 方差分析(ANOVA)
坏样本归因的统计…卡方检验
08
逻辑回归与归因
逻辑回归原理 · 系数解读 · Odds Ratio
逻辑回归归因
09
决策树与归因
决策树分裂规则 · 特征重要性 · 可视化归因路径
决策树归因
10
随机森林与归因
随机森林特征重要性 · Permutation Import… · SHAP初步
随机森林归因
11
XGBoost与归因
XGBoost特征重要性 · 增益(Gain) · 覆盖度(Cover)
XGBoost归因
12
SHAP值详解
SHAP原理 · SHAP Summary Plot · SHAP Dependence Pl…
SHAP值详解
13
LIME局部解释
LIME原理 · 局部可解释性 · 与SHAP的对比
LIME局部解释
14
因果推断入门
相关性≠因果性 · 混淆变量 · 干预
因果推断入门相关性≠因果性
15
双重差分法(DID)
DID原理 · 适用场景 · 在坏样本归因中的应用
DID双重差分法
16
倾向得分匹配(PSM)
PSM原理 · 匹配方法 · 平衡性检验
PSM倾向得分匹配
17
工具变量法(IV)
工具变量条件 · 两阶段最小二乘法 · 弱工具变量检验
IV工具变量法
18
断点回归设计(RDD)
RDD原理 · 断点检验 · 带宽选择
RDD断点回归设计
19
时间序列归因
趋势分解 · 季节性 · 异常点检测
时间序列归因趋势分解
20
归因分析中的多重共线性
VIF诊断 · 岭回归 · Lasso回归
归因分析多重共线性
21
归因分析中的样本不平衡
过采样(SMOTE) · 欠采样 · 代价敏感学习
归因分析样本不平衡
22
归因分析报告撰写
报告结构 · 关键指标展示 · 可视化图表选择
归因分析报告撰写报告结构
23
归因分析工具与平台
Python(pandas · scikit-learn · shap
归因分析工具平台
24
实战案例1
信贷风控坏样本归因——逾期客户特征分…
实战案例1信贷风控坏样本归…
25
实战案例2
反欺诈坏样本归因——异常交易模式挖掘
实战案例2反欺诈坏样本归因
26
实战案例3
营销响应坏样本归因——低转化率用户归…
实战案例3营销响应坏样本归…
27
实战案例4
供应链异常坏样本归因——供应商违约原…
实战案例4供应链异常坏样本…
28
归因分析的常见陷阱
过拟合 · 数据泄露 · 幸存者偏差
归因分析的常见陷…过拟合
29
归因分析模型评估
AUC · KS · Lift Chart
归因分析模型评估AUC
30
归因分析未来趋势
可解释AI(XAI) · 联邦学习归因 · 自动化归因(AutoML)
归因分析未来趋势AI