首页
›
金融科技风控与量化工程
›
017-风控规则引擎特征样本分层
›
《风控特征工程:样本分层与模型训练》
VIP20
本课程属于:017-风控规则引擎特征样本分层
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
风控特征工程:样本分层与模型训练
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
风控特征工程概述
特征工程在风控中的重要性 · 样本分层与模型训练的关系 · 课程整体框架
风控特征工程概述
特征工程
02
风控业务理解与数据采集
信贷业务场景 · 欺诈与信用风险 · 数据源类型(三方数据
风控业务理解
数据采集
03
样本分层理论基础
分层抽样原理 · 风控中的分层目标(好坏样本 · 时间窗口
样本分层理论基础
分层抽样原理
04
样本标签定义与时间窗口
观察期 · 表现期 · 好坏标签定义(DPD30/60/90…
样本标签定义
时间窗口
05
样本分层策略设计
按客群分层(新客/老客/白名单) · 按风险等级分层 · 按渠道分层
样本分层策略设计
按客群分层
06
样本不平衡问题
风控中正负样本比例失衡 · 欠采样 · 过采样
样本不平衡问题
风控
07
样本分层采样实战
Python实现分层抽样(Strat… · 保持分布一致性
样本分层采样实战
Python
08
时间序列样本划分
时间序列交叉验证 · 避免未来信息泄露 · 滑动窗口划分
时间序列样本划分
时间序列交叉验证
09
特征分类与原始数据清洗
数值特征 · 类别特征 · 时间特征
特征分类
原始数据清洗
10
单变量特征分析
IV值计算 · WOE编码 · KS值
单变量特征分析
IV
11
特征相关性分析
皮尔逊相关系数 · 热力图 · 高相关特征剔除
特征相关性分析
皮尔逊相关系数
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
特征交叉与组合
笛卡尔积交叉 · 类别特征组合 · 数值特征多项式
特征交叉
组合
14
时间特征衍生
借款时间 · 注册时间 · 逾期时间
时间特征衍生
借款时间
15
聚合特征工程
用户历史行为聚合(均值/最大/最小/… · 滑动窗口聚合
聚合特征工程
用户历史行为聚合
16
文本与序列特征
用户备注 · 地址文本TF-IDF · 行为序列LSTM特征
文本
序列特征
17
特征标准化与归一化
Z-score标准化 · Min-Max归一化 · RobustScaler
特征标准化
归一化
18
特征降维
PCA主成分分析 · t-SNE可视化 · LDA线性判别
特征降维
PCA
19
特征选择方法
过滤法(IV/方差) · 包裹法(RFE) · 嵌入法(L1/LightGBM重要性…
特征选择方法
IV
20
样本分层后的特征分布一致性
PSI群体稳定性指标 · 特征分布漂移检测 · 分群特征对比
样本分层后的特征…
PSI
21
模型训练基础
逻辑回归 · 决策树 · 随机森林
模型训练基础
逻辑回归
22
分层模型训练策略
全局模型 vs 分层模型 · 分层模型融合 · 元学习器设计
分层模型训练策略
vs
23
模型超参数调优
网格搜索 · 随机搜索 · 贝叶斯优化
模型超参数调优
网格搜索
24
模型评估指标
AUC · KS · Gini
模型评估指标
AUC
25
分层模型评估
各层独立评估 · 跨层泛化能力 · 分层KS对比
分层模型评估
各层独立评估
26
模型过拟合与正则化
L1/L2正则化 · 早停法 · Dropout
模型过拟合
正则化
27
模型可解释性
SHAP值 · 特征重要性排序 · 部分依赖图
模型可解释性
SHAP
28
模型部署与上线
模型序列化(pickle/ONNX) · API服务 · 分层模型路由
模型部署
上线
29
模型监控与迭代
PSI监控 · 特征分布漂移 · 模型衰退检测
模型监控
迭代
30
综合实战项目
信贷申请评分卡全流程(样本分层+特征…
综合实战项目
信贷申请评分卡全…
所属VIP或分类
同VIP:Spark助力风控特征分层与样本抽样指南
同VIP:Spark在风控特征样本分层中的实操
同VIP:Spark实现风控特征分层与样本清洗实战