VIP20
本课程属于：009-反洗钱监测特征样本分层 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

KYC场景特征分层与模型训练

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
KYC概述
KYC的定义 · 监管背景 · 在金融风控中的核心价值
KYC的定义
02
KYC数据来源
用户身份信息 · 交易数据 · 设备指纹
KYC数据来源
03
特征工程基础
特征的定义 · 特征与原始数据的区别 · 特征工程在KYC中的重要性
特征工程基础特征的定义
04
特征分层理论
特征分层的目的 · 分层原则（稳定性 · 区分度
特征分层理论特征分层的目的
05
基础身份特征层
姓名 · 身份证号 · 手机号
基础身份特征层姓名
06
设备环境特征层
IP地址 · 设备ID · 操作系统
设备环境特征层IP
07
行为序列特征层
登录频率 · 操作路径 · 点击间隔
行为序列特征层登录频率
08
社交网络特征层
通讯录关系 · 担保人关系 · 交易对手网络
社交网络特征层通讯录关系
09
交易模式特征层
交易金额分布 · 交易时间规律 · 对手方多样性
交易模式特征层交易金额分布
10
生物特征层
人脸比对 · 活体检测 · 声纹识别
生物特征层人脸比对
11
外部数据特征层
征信报告 · 黑名单 · 工商信息
外部数据特征层征信报告
12
特征分箱与离散化
等距分箱 · 等频分箱 · 卡方分箱
特征分箱离散化
13
特征编码方法
独热编码 · 标签编码 · 目标编码
特征编码方法独热编码
14
特征选择方法
过滤法（方差阈值 · 卡方检验） · 包裹法（递归特征消除）
特征选择方法过滤法
15
特征降维
主成分分析（PCA） · 线性判别分析（LDA） · t-SNE可视化
特征降维PCA
16
特征稳定性监控
PSI（群体稳定性指标） · 特征分布漂移检测
特征稳定性监控PSI
17
KYC模型体系
规则引擎 · 评分卡模型 · 机器学习模型
KYC模型体系
18
规则引擎设计
决策树规则 · 阈值规则 · 组合规则
规则引擎设计决策树规则
19
评分卡模型训练
逻辑回归原理 · 变量筛选 · 分数刻度转换
评分卡模型训练逻辑回归原理
20
机器学习模型训练
随机森林 · XGBoost · LightGBM在KYC中的应用
机器学习模型训练随机森林
21
深度学习模型训练
DNN · LSTM序列模型 · 图神经网络（GNN）在反欺诈中的应用
深度学习模型训练DNN
22
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
23
模型评估指标
准确率 · 精确率 · 召回率
模型评估指标准确率
24
模型可解释性
SHAP值 · LIME · 特征重要性排序
模型可解释性SHAP
25
模型部署与上线
模型序列化 · API服务 · 实时推理
模型部署上线
26
模型监控与迭代
模型性能衰减监控 · 数据漂移检测 · 模型重训练策略
模型监控迭代
27
KYC合规与隐私保护
数据脱敏 · 联邦学习 · 差分隐私
KYC合规
28
端到端KYC系统架构
数据采集层 · 特征工程层 · 模型推理层
KYC端到端
29
实战案例一
个人用户KYC评分卡构建（从数据清洗…
实战案例一KYC
30
实战案例二
企业用户KYC反欺诈模型（图特征+X…
实战案例二KYC