《智能风控原理、算法与工程实践＝INTELLIGENT RISK CONTROL PRINCIPLES》求取 ⇩

作者	ALGORITHMS AND PRACTICE 编者
出版	梅子行著
参考页数	✅ 真实服务非骗流量 ❤️
出版时间	2020（求助前请核对）目录预览
ISBN号	无 — 违规投诉 / 求助条款
PDF编号	820165928（学习资料勿作它用）
求助格式	扫描PDF（若分多册发行，每次仅能受理1册）

智能风控原理、算法与工程实践＝INTELLIGENT RISK CONTROL PRINCIPLES 2020 PDF电子版封面 ALGORITHMS AND PRACTICE

PDF文件，前往提取

第1章风控建模与规则挖掘1

1.1信贷与风险1

1.1.1 信贷业务与互联网金融风控体系1

1.1.2 信贷风险与控制4

1.2工业建模流程5

1.2.1 抽象业务6

1.2.2 定义标签6

1.2.3 样本选取7

1.2.4 特征工程与模型调优9

1.2.5 上线监控与评估报表10

1.3 规则挖掘方案13

1.4 本章小结20

第2章集成模型评分卡21

2.1特征工程解析21

2.1.1 特征与模型22

2.1.2 信用模型的特征22

2.2 特征衍生方案24

2.3离散处理27

2.3.1 one-hot编码27

2.3.2 WOE编码28

2.4 迭代特征筛选方案33

2.5自动化调参38

2.5.1 自动化调参策略38

2.5.2 参数搜索方案39

2.5.3 调参框架搭建40

2.6 递归特征删除方案43

2.7评分卡制作44

2.7.1 逻辑回归评分卡45

2.7.2 集成模型的评分映射55

2.7.3 针对业务改写评价函数59

2.8 本章小结60

第3章迁移学习与冷启动61

3.1迁移学习基础61

3.1.1 应用场景62

3.1.2 概念介绍62

3.2迁移学习方法论63

3.2.1 三类常见算法63

3.2.2 迁移的实现方法64

3.3少量有标签样本的迁移方案65

3.3.1 TrAdaBoost模型65

3.3.2 跨场景迁移模型67

3.4无标签样本迁移之JDA76

3.4.1 JDA模型76

3.4.2 模型应用79

3.5无标签样本迁移之DTELM80

3.5.1 ELM模型81

3.5.2 DTELM模型82

3.5.3 模型应用84

3.6迁移样本筛选方案88

3.6.1 背景介绍88

3.6.2 算法框架概览88

3.6.3 搭建融合框架89

3.7 本章小结93

第4章幸存者偏差95

4.1 幸存者偏差的含义95

4.2 增量学习96

4.3生成对抗网络97

4.3.1 GAN模型介绍98

4.3.2 GAN与幸存者偏差99

4.4高斯混合模型100

4.4.1 GMM算法原理101

4.4.2 GMM简单应用103

4.4.3 GMM中的概率模型104

4.4.4 GMM样本生成107

4.5信息准则110

4.5.1 赤池信息准则110

4.5.2 贝叶斯信息准则111

4.5.3 AIC与BIC比较111

4.6 本章小结112

第5章不均衡学习113

5.1 样本不均衡113

5.2 代价敏感加权方案114

5.3插值过采样方案115

5.3.1 SMOTE算法115

5.3.2 过采样算法实践116

5.4半监督学习方案121

5.4.1 前提假设122

5.4.2 S3VM122

5.4.3 LP127

5.5 本章小结130

第6章异常检测132

6.1 离群点与欺诈检测133

6.2 z-score检验134

6.3LOF异常检测法134

6.3.1 原理与算法流程135

6.3.2 LOF样本清洗方案137

6.4IF异常检测法139

6.4.1 原理与算法流程139

6.4.2 PreA模型与冷启动141

6.5 本章小结144

第7章模型优化145

7.1多损失函数分段预测145

7.1.1 两种损失函数146

7.1.2 融合流程146

7.2树模型特征衍生149

7.2.1 GBDT离散化149

7.2.2 融合方案详解150

7.2.3 特征衍生细节151

7.2.4 案例151

7.3时间序列建模160

7.3.1 RNN160

7.3.2 LSTM163

7.3.3 门控结构164

7.3.4 LSTM行为评分卡案例166

7.4高维稀疏数据建模170

7.4.1 算法原理171

7.4.2 算法应用172

7.5模型融合173

7.5.1 模型融合基础173

7.5.2 模型筛选174

7.5.3 业务应用方案181

7.6 本章小结183

第8章知识图谱184

8.1 复杂网络基础184

8.2 中心度与相似性187

8.3节点分类193

8.3.1 朴素节点分类193

8.3.2 邻节点加权投票195

8.3.3 一致性标签传播197

8.4社区发现算法200

8.4.1 基础概念200

8.4.2 Girvan-Newman算法201

8.4.3 Louvain算法202

8.4.4 社区评估204

8.5网络表示学习206

8.5.1 矩阵分解207

8.5.2 节点嵌入210

8.6图卷积神经网络215

8.6.1 卷积神经网络215

8.6.2 傅里叶变换217

8.6.3 拉普拉斯算子219

8.6.4 GCN中的图卷积221

8.7 本章小结225

参考文献226

2020《智能风控原理、算法与工程实践＝INTELLIGENT RISK CONTROL PRINCIPLES》由于是年代较久的资料都绝版了，几乎不可能购买到实物。如果大家为了学习确实需要，可向博主求助其电子版PDF文件（由ALGORITHMS AND PRACTICE 2020 梅子行著出版的版本）。对合法合规的求助，我会当即受理并将下载地址发送给你。

PDF文件，前往提取