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

XGBoost变量衍生与分箱应用指南

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

XGBoost在风控与建模中的核心地… · 变量衍生与分箱的必要性 · 课程目标与学习路径

课程导论XGBoost

XGBoost算法原理回顾

梯度提升树核心思想 · 目标函数与正则项 · 树结构学习与分裂增益计算

XGBoost算法原理回顾

特征工程基础

原始特征类型（数值型 · 类别型 · 时序型）

特征工程基础原始特征类型

单变量衍生方法

数学变换（log · sqrt · box-cox）

单变量衍生方法log

交叉特征衍生

数值×数值（加减乘除 · 比率） · 数值×类别（分组统计量）

交叉特征衍生数值×数值

时序特征衍生

滑动窗口统计量（均值 · 最大值 · 趋势）

时序特征衍生滑动窗口统计量

聚合特征衍生

基于分组（GroupBy）的统计聚合… · sum · mean

聚合特征衍生GroupBy

文本与类别特征编码

Label Encoding · One-Hot Encoding · Target Encoding

文本类别特征编码

特征选择与重要性评估

XGBoost内置特征重要性（gai… · cover · frequency）

特征选择重要性评估

分箱基础概念

分箱目的（离散化 · 降低过拟合 · 增强可解释性）

分箱基础概念分箱目的

等距分箱与等频分箱

原理与实现 · 优缺点对比 · 在XGBoost中的适用场景

等距分箱等频分箱

卡方分箱（ChiMerge）

自底向上合并 · 卡方统计量计算 · 停止准则与实现步骤

ChiMerge卡方分箱

决策树分箱

利用单变量决策树寻找最优分裂点 · 与XGBoost树模型的协同

决策树分箱利用单变量决策树…

最优分箱（Optimal Binning）

基于IV最大化的分箱算法 · 单调性约束 · Python实现（OptBinnin…

分箱质量评估指标

IV（信息量） · WOE（证据权重） · 单调性检验

分箱质量评估指标IV

WOE编码与分箱结合

WOE计算公式 · WOE替换原始分箱值 · WOE在逻辑回归与XGBoost中的…

分箱在XGBoost中的特殊处理

XGBoost对数值型输入的偏好 · 分箱后特征是否需要One-Hot · 树模型对离散特征的适应

变量衍生与分箱的自动化流水线

使用Featuretools进行自动… · 使用OptBinning进行自动化分… · Pipeline构建

变量衍生分箱的自动化流水…

缺失值处理策略

缺失率统计 · 填充策略（均值 · 中位数

缺失值处理策略缺失率统计

异常值处理与分箱

基于IQR与Z-Score的异常检测 · 异常值单独分箱或截断 · 对XGBoost鲁棒性的影响

异常值处理分箱

时间稳定性分析

PSI（群体稳定性指标）计算 · 分箱后特征的PSI监控 · 特征漂移应对策略

时间稳定性分析PSI

特征存储与版本管理

特征仓库（Feature Store… · 特征命名规范 · 版本回溯与血缘追踪

特征存储版本管理

XGBoost模型训练与调参

学习率 · 树深度 · 子采样

XGBoost模型训练

模型评估与解释

混淆矩阵 · AUC-ROC · KS值

模型评估解释

案例实战一

信贷评分卡场景——原始特征衍生与分箱 · WOE转换 · XGBoost建模与逻辑回归对比

案例实战一信贷评分卡场景

案例实战二

反欺诈场景——时序特征衍生 · 高频聚合特征 · 分箱与异常检测结合

案例实战二反欺诈场景

案例实战三

营销响应预测——类别特征交叉衍生 · Target Encoding与分箱 · 模型可解释性分析

案例实战三营销响应预测

生产部署与监控

模型导出（PMML/ONNX） · 在线推理特征计算 · 分箱映射表维护

生产部署监控

常见问题与避坑指南

分箱过细导致过拟合 · WOE编码信息泄露 · 衍生特征维度爆炸

常见问题避坑指南

课程总结与进阶方向

核心知识回顾 · 推荐学习资源（论文 · 书籍

课程总结进阶方向