首页
›
金融科技风控与量化工程
›
016-支付风控策略分群评分沙盘
›
《支付风控模型训练:商户风险分群指南》
VIP20
本课程属于:016-支付风控策略分群评分沙盘
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
支付风控模型训练:商户风险分群指南
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
课程导论
支付风控与商户风险分群的定义 · 课程目标与学习路径 · 核心概念(欺诈风险
课程导论
支付风控
02
商户风险数据概览
常见数据源(交易流水 · 商户画像 · 设备指纹
商户风险数据概览
常见数据源
03
数据预处理基础
缺失值处理 · 异常值检测与处理 · 数据标准化与归一化方法
数据预处理基础
缺失值处理
04
特征工程入门
特征构建思路(统计特征 · 时序特征 · 比率特征)
特征工程入门
特征构建思路
05
探索性数据分析(EDA)
单变量分析 · 双变量分析 · 相关性矩阵与热力图
EDA
探索性数据分析
06
无监督学习基础
聚类算法概述(K-Means · DBSCAN · 层次聚类)
无监督学习基础
K-Means
07
K-Means聚类算法详解
算法原理 · K值选择(肘部法 · 轮廓系数)
K-Means
聚类算法详解
08
DBSCAN聚类算法详解
密度聚类原理 · 核心点/边界点/噪声点 · 参数(eps
DBSCAN
聚类算法详解
09
层次聚类算法详解
凝聚式与分裂式层次聚类 · 树状图解读 · 距离度量(欧氏距离
层次聚类算法详解
凝聚式
10
商户风险特征选择
针对支付场景的特征重要性排序 · 基于业务逻辑的特征筛选 · 特征降维(PCA
商户风险特征选择
针对支付场景的特…
11
商户风险分群实战(一)
数据加载与清洗 · 构建基础特征矩阵 · 使用K-Means进行初步分群
商户风险分群实战
数据加载
12
商户风险分群实战(二)
分群结果可视化(散点图 · 雷达图) · 群内特征分布分析
商户风险分群实战
分群结果可视化
13
分群结果评估
轮廓系数 · Davies-Bouldin指数 · Calinski-Harabasz指…
分群结果评估
轮廓系数
14
风险评分卡与分群结合
评分卡基本原理 · 将分群结果映射为风险评分 · 评分卡阈值设定
风险评分卡
分群结合
15
监督学习模型基础
逻辑回归 · 决策树 · 随机森林在风险预测中的应用
监督学习模型基础
逻辑回归
16
模型训练与验证
训练集/验证集/测试集划分 · 交叉验证 · 过拟合与欠拟合处理
模型训练
验证
17
特征重要性分析
基于树模型的特征重要性排序 · SHAP值解释 · 特征对分群的影响
特征重要性分析
基于树模型的特征…
18
模型部署与监控
模型上线流程 · 实时评分接口设计 · 模型监控指标(PSI
模型部署
监控
19
商户风险分群案例(电商场景)
电商交易特征分析 · 刷单/虚假交易识别 · 分群结果与业务策略联动
商户风险分群案例
电商场景
20
商户风险分群案例(金融支付场景)
大额交易 · 跨境支付 · 洗钱风险特征
商户风险分群案例
金融支付场景
21
商户风险分群案例(游戏/虚拟商品场景)
虚拟货币交易 · 道具交易 · 账号盗用风险
商户风险分群案例
游戏
22
时间序列特征在分群中的应用
交易频次趋势 · 金额波动 · 季节性模式
时间序列特征
分群
23
图神经网络在商户风险分群中的探索
商户关联图谱构建 · 节点特征与边特征 · 图聚类算法简介
图神经网络
商户风险分群
24
异常检测与分群结合
孤立森林 · LOF(局部异常因子) · Autoencoder异常检测
异常检测
分群结合
25
模型可解释性
LIME · SHAP · 特征重要性可视化
模型可解释性
LIME
26
风控策略自动化
基于分群结果的规则引擎设计 · 动态阈值调整 · A/B测试框架
风控策略自动化
基于分群结果的规…
27
合规与隐私保护
GDPR · 个人信息保护法对商户数据的要求 · 数据脱敏与匿名化技术
合规
隐私保护
28
模型迭代与生命周期管理
模型版本控制 · 回滚机制 · 定期重训练策略
模型迭代
生命周期管理
29
综合项目实战(一)
从数据采集到分群全流程演练 · 代码实现(Python + Scik… · 结果报告生成
综合项目实战
从数据采集到分群…
30
综合项目实战(二)
分群结果业务落地 · 风险策略制定 · 监控看板设计
综合项目实战
分群结果业务落地
所属VIP或分类
同VIP:Kafka实时流处理在风控评分中的应用
同VIP:Kafka实时评分沙盘构建教程
同VIP:从样本到模型:支付风控分群评分实战