VIP20
本课程属于：018-模型可解释性变量衍生与分箱 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

模型可解释性变量衍生与分箱实战

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
模型可解释性的重要性 · 变量衍生与分箱在可解释性中的角色 · 课程目标与学习路径
课程导论模型可解释性的重…
02
可解释性基础
什么是模型可解释性 · 全局解释与局部解释 · 内在可解释性与事后可解释性
可解释性基础什么是模型可解释…
03
变量衍生概述
特征工程与变量衍生的区别 · 衍生变量的类型（组合 · 变换
变量衍生概述特征工程
04
单变量变换衍生
对数变换 · 平方根变换 · Box-Cox变换
单变量变换衍生对数变换
05
多变量组合衍生
加减乘除组合 · 交叉特征（笛卡尔积） · 多项式特征
多变量组合衍生加减乘除组合
06
时间序列变量衍生
滞后特征 · 滑动窗口统计（均值 · 标准差）
时间序列变量衍生滞后特征
07
聚合变量衍生
分组聚合（GroupBy） · 统计量（最大值 · 最小值
聚合变量衍生GroupBy
08
文本与类别变量衍生
独热编码 · 标签编码 · 目标编码
文本类别变量衍生
09
变量衍生实战案例（信贷风控）
从原始数据到衍生特征的全流程 · 特征重要性初探 · 衍生变量对模型的影响
变量衍生实战案例信贷风控
10
分箱基础
为什么需要分箱（离散化） · 分箱对模型可解释性的提升 · 分箱与过拟合的关系
分箱基础为什么需要分箱
11
等距分箱
原理与实现 · 优缺点分析 · 适用场景
等距分箱原理
12
等频分箱
原理与实现 · 优缺点分析 · 与等距分箱的对比
等频分箱原理
13
聚类分箱
基于K-Means的分箱 · 基于层次聚类的分箱 · 聚类分箱的优缺点
聚类分箱K-Means
14
决策树分箱
利用决策树分裂点进行分箱 · CART树与分箱阈值 · Python代码实战（sklearn…
决策树分箱利用决策树分裂点…
15
卡方分箱
卡方检验原理 · 卡方分箱算法步骤 · 合并相邻区间
卡方分箱卡方检验原理
16
最优分箱（基于IV）
信息价值（IV）与证据权重（WOE）… · 基于IV最大化的分箱策略 · Python代码实战
IV最优分箱
17
分箱后处理
分箱合并 · 分箱单调性约束 · 分箱边界调整
分箱后处理分箱合并
18
分箱实战案例（信用评分卡）
评分卡中的分箱应用 · WOE编码 · 变量筛选与分箱效果评估
分箱实战案例信用评分卡
19
变量衍生与分箱的自动化
AutoFE与AutoBinning… · 基于规则与基于搜索的自动化策略 · Python库（featuretoo…
变量衍生分箱的自动化
20
可解释性指标
特征重要性（Permutation… · 部分依赖图（PDP） · 个体条件期望（ICE）
可解释性指标Permutation
21
SHAP值深入
SHAP原理（Shapley值） · TreeSHAP与KernelSHA… · SHAP依赖图
SHAP值深入
22
LIME局部解释
LIME原理 · 在表格数据上的应用 · LIME与SHAP的对比
LIME局部解释
23
分箱与可解释性结合
分箱后的特征如何影响SHAP/PDP · 分箱变量的单调性解释 · 分箱变量的交互效应
分箱可解释性结合
24
模型无关解释方法
Permutation Import… · Partial Dependence… · Accumulated Local…
模型无关解释方法Permutation
25
模型特定解释方法
线性模型系数解释 · 树模型特征重要性 · 逻辑回归的Odds Ratio
模型特定解释方法线性模型系数解释
26
变量衍生与分箱的评估
KS统计量 · IV值 · PSI（群体稳定性指标）
变量衍生分箱的评估
27
实战项目一
信贷违约预测中的变量衍生与分箱（完整…
实战项目一信贷违约预测
28
实战项目二
客户流失预测中的变量衍生与分箱（特征… · 分箱优化 · SHAP解释
实战项目二客户流失预测
29
常见陷阱与最佳实践
数据泄露 · 未来信息污染 · 分箱过细导致过拟合
常见陷阱最佳实践
30
课程总结与进阶方向
可解释性前沿（XAI） · 深度学习可解释性 · 联邦学习中的可解释性
课程总结进阶方向