Udemy線上課程 Python數據分析行業案例課程--信用評分方法 講師:三節課 sanjieke 影音教學 中文發音 中文版(DVD版) Udemy線上課程Python數據分析行業案例課程--信用評分方法講師:三節課sanjieke影音教學中文發音中文版(DVD版)內容說明: 玩轉數據分析，在信用評分的案例分析中，我們會用到各種各樣的模型，評分卡模型、數據分箱、Logistic回歸模型等等，后面還會涉及到互聯網金融案例的建模分析。信用評分是非常特殊且重要的領域，除銀行業外，近年來在網絡征信等新興領域中也頗受重視。 本課程使用銀行征信和互聯網金融征信兩個真實案例數據，完整介紹了信用評分卡模型在相關業務領域中的構建和實施流程。 課程的基本目標，就是做成一個行業的模板，相應的代碼，相應的分析思路，整個案例可作為分析模板供學員在信用評分相關的分析項目中直接套用。 本課程版權歸三節課所有，未經書面同意私自錄制、轉載等行為均屬侵權行為。課程內的所有內容，包括但不限于影片、文字、圖片均由三節課公司或其他權利人依法擁有其知識產權，包括但不限于著作權、商標權、專利權等。 未經三節課公司的明確書面特別授權，任何人不得為任何目的使用以及向任何自然人或單位提供出售、營銷、出版或利用三節課官網上提供的任何內容或服務。如有違反，您將承擔由此給三節課公司或其他權利人造成的一切損失。 課程內容: 01-課程導讀 001課程簡介.html 002講師介紹.html 003課程大綱.html 02-第1章信用卡評分模型概述 0041-0信用卡評分課程介紹.mp4 0051-1銀行業務概述.mp4 0061-2信用體系與信用風險.mp4 0071-3從信用評分到評分卡.mp4 0081-4A、B、C評分卡.mp4 0091-5信用評分中考慮的因素.mp4 03-第2章傳統銀行案例之商業理解 0102-1如何定義壞樣本.mp4 0112-2如何建立評分卡模型.mp4 04-第3章數據理解與數據準備 0123-1數據理解與準備.mp4 0133-2數據不平衡問題.mp4 05-第4章數據分箱 0144-1分箱1概述.mp4 0154-2分箱2注意事項.mp4 0164-3分箱3無監督分箱的代碼實現.mp4 0174-4分箱4BestKS法與卡方分箱法.mp4 0184-5分箱5卡方分箱法的代碼實現.mp4 0194-6分箱6WOE與IV.mp4 0204-7分箱7WOE與IV的代碼實現.mp4 0214-8分箱8案例的具體實現.mp4 06-第5章應用Logistic回歸楑型 0225-1logistic回歸模型的基本概念.mp4 0235-2logistic回歸模型的適用條件.mp4 0245-3兩分類logistic的代碼實現.mp4 0255-4銀行案例具體的建模操作.mp4 07-第6章從模型結果到評分卡 0266-1如何將概率轉換為分值.mp4 0276-2評分卡分值的具體計算.mp4 0286-3如何對評分卡分值進行分段.mp4 0296-4計算預期違約率.mp4 08-第7章評分卡的使用與效果監控 0307-1模型驗證與模型監控.mp4 0317-2模型區分度的衡量指標.mp4 0327-3模型準確度的衡量指標.mp4 0337-4模型穩定性的衡量指標.mp4 0347-5評分卡模型的部署.mp4 0357-6評分卡的使用：準入與拒絕.mp4 0367-7授信額度與利率定價.mp4 0377-8拒絕推斷問題.mp4 09-第8章互聯網金融案例 0388-1什麼是互聯網金融.mp4 0398-2內部與外部數據源.mp4 0408-3互聯網金融案例的原始數據.mp4 0418-4數據字典.mp4 0428-5本案例的特殊性.mp4 10-第9章互聯網金融案例的數據預處理 0439-1特征工程概述.mp4 0449-2數據的探索性分析：概述.mp4 0459-3數據的探索性分析：代碼實現.mp4 0469-4數據衍生的基本思路.mp4 0479-5變量衍生函數.mp4 0489-6具體的變量衍生操作.mp4 0499-7缺失值處理的基本概念.mp4 0509-8具體的缺失值處理的代碼實現.mp4 0519-9分類變量的數值化.mp4 11-第10章分箱操作的自動化實現 05210-1初步分箱結果.mp4 05310-2箱體的自動合并.mp4 05410-3分箱值批量轉換為WOE值.mp4 12-第11章互聯網金童案例的特征篩選 05511-1刪除低VI和比例超標變量.mp4 05611-2共線性的識別與處理.mp4 05711–3刪除共線性變量.mp4 05811-4樹模型的基本原理.mp4 05911-5樹模型的各種算法.mp4 06011-6隨機森林.mp4 06111-7隨機森林初篩.mp4 13-第12章互聯網金融案例的建模分析 06212-1建模前需要考慮的問題.mp4 06312-2logistic回歸的sklearn實現.mp4 06412-3手動篩選變量并建模.mp4 06512-4控制模型復雜度：正則化.mp4 06612-5參數的網格搜索.mp4 06712-6搜索最佳懲罰項.mp4 14-回顧總結 068課後寄語.html 相關商品:Udemy線上課程品牌符號管理——建立品牌符號識別體系講師:三節課sanjieke影音教學中文發音中文版(DVD版)Udemy線上課程勝任能力：如何擺脫低效努力，高效執行？講師:三節課sanjieke影音教學中文發音中文版(DVD版)Udemy線上課程如何搭建新媒體矩陣講師:三節課sanjieke影音教學中文發音中文版(DVD版)Udemy線上課程深入理解UE模型講師:三節課sanjieke影音教學中文發音中文版(DVD版)Udemy線上課程從品牌視覺傳達到廣告投放，內容和媒介如何撬動傳播杠桿？講師:三節課sanjieke影音教學中文發音中文版(DVD版)