课程目录
1-1 [评分卡模型概述] 信用评分课程介绍 (09:33) 1-2 [评分卡模型概述] 银行业务概述 (21:20) 1-3 [评分卡模型概述] 信用体系与信用风险 (14:46) 1-4 [评分卡模型概述] 从信用评分到评分卡 (14:09) 1-5 [评分卡模型概述] A、B、C评分卡 (06:29) 1-6 [评分卡模型概述] 信用评分中需要考虑的因素 (08:45) 1-7 [评分卡模型概述] 本课程案例数据及文档下载 (10) 2-1 [传统银行案例之商业理解] 如何定义坏样本 (09:31) 2-2 [传统银行案例之商业理解] 如何建立评分卡模型 (08:16) 3-1 [数据理解与数据准备] 数据理解与数据准备 (11:24) 3-2 [数据理解与数据准备] 数据不平衡问题 (22:43) 4-1 [数据分箱] 分箱操作概述 (10:58) 4-2 [数据分箱] 分箱的注意事项 (06:34) 4-3 [数据分箱] 无监督分箱的代码实现 (07:20) 4-4 [数据分箱] Best KS法与卡方分箱法 (10:35) 4-5 [数据分箱] 卡方分箱法的代码实现 (21:44) 4-6 [数据分箱] WOE与IV值 (09:05) 4-7 [数据分箱] WOE与IV的代码实现 (10:15) 4-8 [数据分箱] 银行案例变量分箱的具体实现 (08:14) 5-1 [应用logistic回归建模] 【补课】logistic回归模型的基本概念 (17:40) 5-2 [应用logistic回归建模] 【补课】logistic回归模型的适用条件 (12:17) 5-3 [应用logistic回归建模] 【补课】两分类logistic模型的代码实现 (12:13) 5-4 [应用logistic回归建模] 银行案例的具体建模操作 (07:32) 6-1 [从模型结果到评分卡] 如何将概率转换为分值 (12:33) 6-2 [从模型结果到评分卡] 评分卡分值的具体计算 (11:22) 6-3 [从模型结果到评分卡] 如何对评分卡分值进行分段 (12:15) 6-4 [从模型结果到评分卡] 计算预期违约率 (08:59) 7-1 [评分卡的使用与效果监控] 模型验证（评价）与模型监控 (09:41) 7-2 [评分卡的使用与效果监控] 模型区分度的衡量指标 (10:04) 7-3 [评分卡的使用与效果监控] 模型准确度的衡量指标 (07:51) 7-4 [评分卡的使用与效果监控] 模型稳定性的衡量指标 (08:03) 7-5 [评分卡的使用与效果监控] 评分卡模型的部署 (09:37) 7-6 [评分卡的使用与效果监控] 评分卡的使用：准入与拒绝 (07:06) 7-7 [评分卡的使用与效果监控] 授信额度与利率定价的计算 (12:27) 7-8 [评分卡的使用与效果监控] 拒绝推断问题 (06:57) 8-1 [互联网金融案例介绍] 什么是互联网金融 (16:18) 8-2 [互联网金融案例介绍] 内部与外部数据源 (15:58) 8-3 [互联网金融案例介绍] 互联网金融案例的具体情况 (16:04) 8-4 [互联网金融案例介绍] 数据字典的应用价值 (20:44) 8-5 [互联网金融案例介绍] 本案例的特殊性 (07:11) 9-1 [互联网金融案例的数据预处理] 特征工程概述 (19:24) 9-2 [互联网金融案例的数据预处理] 【补课】数据的探索性分析：概述 (13:05) 9-3 [互联网金融案例的数据预处理] 【补课】数据的探索性分析：代码实现 (16:34) 9-4 [互联网金融案例的数据预处理] 数据衍生的基本思路 (24:21) 9-5 [互联网金融案例的数据预处理] 基于时间窗口的指标衍生：代码实现 (09:00) 9-6 [互联网金融案例的数据预处理] 具体的变量衍生操作 (11:03) 9-7 [互联网金融案例的数据预处理] 缺失值处理的基本概念 (18:18) 9-8 [互联网金融案例的数据预处理] 缺失值处理的代码实现 (17:08) 9-9 [互联网金融案例的数据预处理] 分类变量的数值化 (11:02) 10-1 [分箱操作的自动化实现] 得到初步的分箱结果 (10:32) 10-2 [分箱操作的自动化实现] 箱体的自动合并 (16:21) 10-3 [分箱操作的自动化实现] 将分箱值批量转换为WOE值 (05:54) 11-1 [互联网金融案例的特征筛选] 删除低VI值或箱体比例超标变量 (07:47) 11-2 [互联网金融案例的特征筛选] 【补课】共线性的识别与处理 (17:33) 11-3 [互联网金融案例的特征筛选] 删除共线性变量 (20:24) 11-4 [互联网金融案例的特征筛选] 【补课】树模型的基本原理 (15:01) 11-5 [互联网金融案例的特征筛选] 【补课】树模型的各种算法 (15:43) 11-6 [互联网金融案例的特征筛选] 【补课】随机森林方法 (15:25) 11-7 [互联网金融案例的特征筛选] 用随机森林做变量初筛 (09:17) 12-1 [互联网金融案例的建模分析] 建模前需要考虑的问题 (07:17) 12-2 [互联网金融案例的建模分析] 【补课】logistic回归模型的sklearn实现 (12:47) 12-3 [互联网金融案例的建模分析] 手动筛选变量并建模 (10:21) 12-4 [互联网金融案例的建模分析] 【补课】控制模型复杂度：正则化 (10:03) 12-5 [互联网金融案例的建模分析] 【补课】模型参数的网格搜索 (11:54) 12-6 [互联网金融案例的建模分析] 建模并搜索优化惩罚值 (08:03)
