响木课堂-响木SVIP目录-【待整理】合集/待整理11/Python数据挖掘与深度学习系列-行业案例版/2、信用评分方法 _ Python数据分析行业案例课程2

主页/【待整理】合集/待整理11/Python数据挖掘与深度学习系列-行业案例版/2、信用评分方法 _ Python数据分析行业案例课程2/

10_3_2-数据不平衡问题.mp4
11_4_1-分箱操作概述.mp4
12_4_2-分箱的注意事项.mp4
13_4_3-无监督分箱的代码实现.mp4
14_4_4-best-ks法与卡方分箱法.mp4
15_4_5-卡方分箱法的代码实现.mp4
16_4_6-WOE与IV值.mp4
17_4_7-WOE与IV的代码实现.mp4
18_4_8-银行案例变量分箱的具体实现.mp4
19_5_1【补课】logistic回归模型的基本概念.mp4
1_1_1-信用评分课程介绍.mp4
20_5_2【补课】logistic回归模型的适用条件.mp4
21_5_3【补课】两分类logistic模型的代码实现.mp4
22_5_4-银行案例的具体建模操作.mp4
23_6_1-如何将概率转换为分值.mp4
24_6_2-评分卡分值的具体计算.mp4
25_6_3-如何对评分卡分值进行分段.mp4
26_6_4-计算预期违约率.mp4
27_7_1-模型验证（评价）与模型监控.mp4
28_7_2-模型区分度的衡量指标.mp4
29_7_3-模型准确度的衡量指标.mp4
2_1_2-银行业务概述.mp4
30_7_4-模型稳定性的衡量指标.mp4
31_7_5-评分卡模型的部署.mp4
32_7_6-评分卡的使用：准入与拒绝.mp4
33_7_7-授信额度与利率定价的计算.mp4
34_7_8-拒绝推断问题.mp4
35_8_1-什么是互联网金融.mp4
36_8_2-内部与外部数据源.mp4
37_8_3-互联网金融案例的具体情况.mp4
38_8_4-数据字典的应用价值.mp4
39_8_5-本案例的特殊性.mp4
3_1_3-信用体系与信用风险.mp4
40_9_1-特征工程概述.mp4
41_9_2【补课】数据的探索性分析：概述.mp4
42_9_3【补课】数据的探索性分析：代码实现.mp4
43_9_4-数据衍生的基本思路.mp4
44_9_5-基于时间窗口的指标衍生：代码实现.mp4
45_9_6-具体的变量衍生操作.mp4
46_9_7-缺失值处理的基本概念.mp4
47_9_8-缺失值处理的代码实现.mp4
48_9_9-分类变量的数值化.mp4
49_10_1-得到初步的分箱结果.mp4
4_1_4-从信用评分到评分卡.mp4
50_10_2-箱体的自动合并.mp4
51_10_3-将分箱值批量转换为WOE值.mp4
52_11_1-删除低VI值或箱体比例超标变量.mp4
53_11_2【补课】共线性的识别与处理.mp4
54_11_3-删除共线性变量.mp4
55_11_4【补课】树模型的基本原理.mp4
56_11_5【补课】树模型的各种算法.mp4
57_11_6【补课】随机森林方法.mp4
58_11_7-用随机森林做变量初筛.mp4
59_12_1-建模前需要考虑的问题.mp4
5_1_5-A、B、C评分卡.mp4
60_12_2【补课】logistic回归模型的sklearn实现.mp4
61_12_3-手动筛选变量并建模.mp4
62_12_4【补课】控制模型复杂度：正则化.mp4
63_12_5【补课】模型参数的网格搜索.mp4
64_12_6-建模并搜索优化惩罚值.mp4
6_1_6-信用评分中需要考虑的因素.mp4
7_2_1-如何定义坏样本.mp4
8_2_2-如何建立评分卡模型.mp4
9_3_1-数据理解与数据准备.mp4

Copyright © All rights reserved.

信息加载中,请等待...