本套课程来自如何搭建金融信贷风控中的机器学习模型，。本套课程文件总计1.7G，附课程相关资料

课程介绍

风控是金融业务的核心组成部分，而信贷风控又是整个风控领域体量最大、挑战最大的类型。传统的信贷风控主要靠资深从业人员依靠自

身的经验设置的专家规则。随着统计学、大数据、机器学习的发展，现代信用风控越来越偏向量化模型的手段来得以解决风控问题

本课程使用真实场景下的信贷违约数据，从基础的数据分析开始，-步步构建依赖逻辑回归、XGBoost、 神经网络模型等方法的风控模

型。同时,本课程也会展示信贷风控领域中经常面临的挑战和相应的解决方法。从第三节课开始，每节课都会在真实数据的基础上完成本

章节的模块设计

老师介绍：

安迪生：硕士毕业于世界一流名校的统计学专业，具有外资银行总部6年风控量化模型开发经验，现任国内知名互联网金融公司风控部高级数据分析师，对于信贷风控领域的模型开发、部署与使用有丰富的经历，对机器学习模型、深度学习模型在风控业的应用有较深入的研究

适用人群

python技术控，统计学、大数据、机器学习爱好者

课程目录

• 课件资料
• 第八章
• XGBoost.py
• 机器学习模型在信贷风控中的应用之XGBoost模型
• 第九章
• ensemble.py
• 组合模型在信贷风控中的应用
• 第六章
• scorecard model development.py
• scorecard_functions_V3.py
• 模型的验证、监控与调优 .pptx
• 第七章
• DNN.py
• 机器学习模型在信贷风控中的应用之DNN模型.pptx
• 第三章
• PPD_LogInfo_3_1_Training_Set.csv
• PPD_Training_Master_GBK_3_1_Training_Set.csv
• PPD_Userupdate_Info_3_1_Training_Set.csv
• scorecard model development.py
• 评分卡模型：数据的预处理与特征构建
• 第十二章
• imbalance.py
• 带权重的CART模型.docx
• 评分卡模型中的前沿问题二：非平衡样本的处理
• 第十一章
• application_train.csv
• semi-supervised.py
• 风控模型中的前沿问题一：标签缺失的处理
• 第十章
• behavioural data.csv
• BSc Developement.py
• scorecard_functions_V3.py
• 评分卡模型（B卡）的开发
• 第四章
• scorecard model development.py
• scorecard_functions_V3.py
• 评分卡模型（A卡）：数据的预处理与特征构建（续）.pptx
• 第五章
• scorecard model development.py
• scorecard_functions_V3.py
• 逻辑回归模型在评分卡模型中的应用.pptx
• 1.数据分析与建模的基础知识
• 互联网金融和信贷风控的概述
• 01.数据分析的基本概念
• 02.数据可视化
• 03.数据分析的常用模型
• 04.数据分析的常用工具
• 05.互联网金融简介和特点
• 06.互联网金融的主要模式
• 07.常见的个人信贷产品
• 08.个贷产品中的风险（上）
• 09.个贷产品中的风险（下）
• 10.评分卡模型简介
• 11.特征构造
• 12.数据的质量检验
• 13.代码实现
• 14.特征的分箱
• 15.特征信息值与数值编码、单变量分析 、多变量分析
• 16.概念补充说明
• 17.代码实现
• 18.逻辑回归模型的基本概念
• 19.基于LR模型的评分卡构建工作
• 20.尺度化2
• 21.模型的区分度与预测性
• 22.模型的平稳性、模型调优以及代码讲解
• 23.神经网络模型的概述、激活函数与损失函数
• 24.反向传播法
• 25.实际案例
• 26.代码讲解
• 27.Gradient Boosting的概念
• 28.GBDT模型简介
• 29.GBDT的升级版：XGBoost
• 30.XGBoost模型在信贷风控中的应用
• 31.元模型与集成模型
• 32.Bagging
• 33.Boosting
• 34.Stacking
• 35.案例及代码 (2)
• 36.基本概念
• 37.特征构造
• 38.模型开发
• 39.标签缺失的定义
• 40.补全标签的方法（上）
• 41.补全标签的方法（下）
• 42.案例与代码
• 43.过采样与欠采样
• 44.SMOTE
• 45.样本权重法与案例