阿里云的金融风控-贷款违约预测_特征工程
特征工程 项目地址：https://github.com/datawhalechina/team-learning-data-mining/tree/master/FinancialRiskControl 3.1 学习目标 学习特征预处理、缺失值、异常值处理、数据分桶等特征处理方法 ...
原文：金融风控之特征工程
特征工程是一个复杂活，本人认为它一般包括以下几个过程：特征初筛 特征衍生 加工 特征选择 特征筛选是一个精细活，需要考虑很多因素，比如：预测能力 相关性 稳定性 合规性 业务可解释性等等。 案例实践代码：https: github.com iihcy Credit ACard 从广义上，特征筛选可从业务指标和技术指标两大类出发： .业务指标包括： . 合规性：用以加工变量的数据源是否符合国家法律 ...
2020-03-01 10:18 0 1148 推荐指数：
相关推荐
金融风控_RFM模型
python信用评分卡建模视频系列教程（附代码） 博主录制 https://study.163.com/course/introduction.htm?courseId=10052 ...
金融风控之贷款违约预测笔记
要求 根据贷款申请人的数据信息预测其是否有违约的可能，以此判断是否通过此项贷款。 数据概况 总数据量超过120w，包含47列变量信息，其中15列为匿名变量。从中抽取80万条作为训练集，20万条作 ...
【第17期Datawhale | 零基础入门金融风控-贷款违约预测】Task03打卡：特征工程之特征预处理、异常值处理、数据分桶、特征交互、特征编码、特征选择等 【留了大量TODO需要深入学习】
md 零基础入门金融风控-贷款违约预测 Task03 特征工程 Task03目的: 学习特征预处理/缺失值处理/异常值处理/数据分桶等特征处理方法 学习特征交互/特征编码/特征选择的相应方法 0.0 导包 0.1 公共变量 0.2 数据读取pandas ...
消费金融大数据风控架构与实践
而违约的可能性。 信用风险的风控重点在于，甄别客户违约的原因究竟是还款能力，还是还款意愿问题。 ...
阿里云的金融风控-贷款违约预测_模型融合
模型融合 5.1 学习目标 将之前建模调参的结果进行模型融合。 尝试多种融合方案，提交融合结果并打卡。（模型融合一般用于A榜比赛的尾声和B榜比赛的全程） 5.2 内容介绍 模型融合是比赛后期上 ...
金融风控大厂面试25题（含解析）
金九银十，面试你准备好了吗？金融方向的兄弟们看过来，近期本条会持续更新，不赘述，直接看题： 题目来源：七月在线 - 领先的AI与智能网联汽车职业教育平台 文末送书福利！ 1、芝麻信用分的主要计算维度？ 解析： 主要维度1）个人属性：职业类型、学历学籍等2）稳定性：手机稳定性、地址稳定性 ...
【转】风控中的特征评价指标（三）——KS值
转自：https://zhuanlan.zhihu.com/p/79934510 风控业务背景 在风控中，我们常用KS指标来评估模型的区分度（discrimination）。这也是风控模型同学最为追求的指标之一。那么，有多少人真正理解KS背后的内涵？本文将从区分度的概念、KS的计算方法、业务 ...