VIP20
本课程属于：073-贷后预警策略延迟尖峰告警 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

贷后预警延迟尖峰的XGBoost预测案例

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
贷后预警延迟尖峰的定义 · 业务背景与风险影响
课程导论贷后预警延迟尖峰…
02
项目环境搭建
Python环境 · XGBoost库 · Pandas
项目环境搭建Python
03
数据理解
贷后数据集字段说明（客户ID · 逾期天数 · 还款金额
数据理解ID
04
数据探索性分析（EDA）
描述性统计 · 缺失值分布 · 异常值初步识别
EDA数据探索性分析
05
延迟尖峰特征工程（一）
时间窗口特征（近7天/30天逾期次数 · 金额波动）
延迟尖峰特征工程时间窗口特征
06
延迟尖峰特征工程（二）
客户行为特征（还款频率 · 联系次数 · 投诉记录）
延迟尖峰特征工程客户行为特征
07
延迟尖峰特征工程（三）
外部数据特征（征信查询次数 · 多头借贷指数）
延迟尖峰特征工程外部数据特征
08
标签定义
如何定义“延迟尖峰”事件（阈值设定 · 时间窗口对齐）
标签定义如何定义“延迟尖…
09
数据预处理
缺失值填充（均值/中位数/模型预测） · 异常值截尾处理
数据预处理缺失值填充
10
数据划分
训练集 · 验证集 · 测试集的划分策略（时间序列切分 vs…
数据划分训练集
11
类别不平衡处理
SMOTE过采样 · 欠采样 · 代价敏感权重设置
类别不平衡处理SMOTE
12
XGBoost原理（一）
梯度提升树核心思想 · 损失函数与正则化项
XGBoost原理
13
XGBoost原理（二）
树结构分位点算法 · 列采样与学习率衰减
XGBoost原理
14
XGBoost参数详解（一）
通用参数（booster · n_estimators · learning_rate）
XGBoost参数详解
15
XGBoost参数详解（二）
树参数（max_depth · min_child_weight · gamma）
XGBoost参数详解
16
XGBoost参数详解（三）
正则化参数（lambda · alpha） · 采样参数（subsample
XGBoost参数详解
17
XGBoost参数详解（四）
学习任务参数（objective · eval_metric · seed）
XGBoost参数详解
18
基线模型训练
使用默认参数训练第一个XGBoost…
基线模型训练XGBoost
19
模型评估指标（一）
混淆矩阵 · 精确率 · 召回率
模型评估指标混淆矩阵
20
模型评估指标（二）
AUC-ROC曲线 · KS统计量 · 提升图(Lift Chart)
模型评估指标AUC-ROC
21
超参数调优（一）
网格搜索(GridSearchCV)…
超参数调优GridSearchCV
22
超参数调优（二）
贝叶斯优化（Hyperopt库）调优…
超参数调优Hyperopt
23
特征重要性分析
XGBoost内置特征重要性（wei… · gain · cover）解读
特征重要性分析XGBoost
24
模型可解释性
SHAP值计算与可视化（全局/局部解…
模型可解释性SHAP
25
模型集成策略
Stacking与Voting集成多…
模型集成策略Stacking
26
延迟尖峰预警规则生成
将模型概率转化为业务规则（阈值设定 · 预警等级划分）
延迟尖峰预警规则…将模型概率转化为…
27
模型部署与监控
模型上线流程 · 实时预测接口设计 · 性能监控指标
模型部署监控
28
案例实战（一）
完整数据加载 · 清洗 · 特征工程代码实现
案例实战完整数据加载
29
案例实战（二）
模型训练 · 调优 · 评估与结果分析
案例实战模型训练
30
课程总结与展望
贷后预警未来趋势（图神经网络 · 联邦学习在风控中的应用）
课程总结贷后预警未来趋势