toby0077 / Python-financial-risk-control-scorecard-model-and-data-analysis
python金融风控评分卡模型和数据分析微专业课包含《python信用评分卡建模(附代码)》,《python风控建模实战lendingClub》,《金融现金贷用户数据分析和画像》三套课程系列,共计250节课左右,录制时间超过3年,定期更新。这套微专业课程是互联网上最全,最专业的python信贷建模教程。
☆59Updated 3 years ago
Related projects ⓘ
Alternatives and complementary repositories for Python-financial-risk-control-scorecard-model-and-data-analysis
- Python金融大数据风控建模实战:基于机器学习源代码☆65Updated 3 years ago
- 智能风控 python金融风险管理与评分卡建模 数据和代码☆20Updated 2 years ago
- 评分卡建模自动化流程☆18Updated 4 years ago
- 基于互联网金融平台2015年度贷款数据完成信贷违约预测模型,该模型可以作为信贷平台预测违约借款人的参考☆68Updated 6 years ago
- 基于Python的申请信用评分卡模型分析☆133Updated 6 years ago
- 风控建模评分报告☆11Updated 4 years ago
- 《智能风控实践指南:从模型、特征到决策》代码。 《智能风控实践指南:从模型、特征到决策》书籍配套Python代码。☆92Updated 2 years ago
- 风控相关内容学习(风控建模、风控策略等)☆16Updated 2 years ago
- 智能风控:原理、算法与工程实践 代码☆72Updated 4 years ago
- 人工智能社会保险反欺诈分析☆30Updated 6 years ago
- 关于评分卡的基本流程☆67Updated 5 years ago
- 申请评分卡学习项目☆17Updated 2 years ago
- 零基础入门金融风控-贷款违约预测☆32Updated 4 years ago
- 金融类数据分析项目☆8Updated 7 years ago
- 关于综合评价一个评分卡模型的方法总结(附代码)☆75Updated 5 years ago
- 交易欺诈作为信用卡行 业面临的主要贷后风险业务问题,每年都使信用卡行业遭受巨额损失。基于大数据机器学习开发出高效的交易欺诈识别模型一直是金融行业的主要挑战之一。本次大赛以此作为主题☆40Updated 5 years ago
- 2019厦门国际银行“数创金融杯”数据建模大赛☆25Updated 3 years ago
- 构建基于逻辑回归的评分卡模型☆43Updated 5 years ago
- 使用决策树进行客户流失预测分析☆10Updated 6 years ago
- 2019年CCF智能信用评分大赛个人源码库。包含XGboost模型调参,特征筛选,训练等方案。同时包含stacking模型融合方案☆27Updated 4 years ago
- scorecardpipeline封装了toad、scorecardpy、optbinning等评分卡建模相关组件,API风格与sklearn高度一致,支持pipeline式端到端评分卡建模、模型报告输出、导出PMML文件、超参数搜索等☆57Updated last week
- 《python数据分析与数据化运营》读书笔记☆20Updated 6 years ago
- 作者:张君颖,个人项目作品展:https://lotbear.com☆31Updated 3 years ago
- 组合策略自动挖掘工具包,集成决策树规则挖掘、单变量规则挖掘、策略挖掘报告输出等功能,简单实用,风控人必备技能☆33Updated last year
- 基于真实业务上手数据挖掘(银行流失预警):数据的处理、LightGBM、skLearning包(里面含有:GridSearchCV寻找最优参、StratifiedKFold分层5折切分、_test_Split单次数据切分等)、叠层模型融合、画AUC图、画混淆矩阵图,并输出预…☆86Updated 2 years ago
- 利用python进行反欺诈检测☆34Updated 5 years ago
- 2019厦门国际银行“数创金融杯”数据建模大赛 复赛第六☆19Updated 4 years ago
- 对截止至2017年7月17日的债券违约事件进行梳理归因,并寻找宏观流动性影响因素,组成数据集。运用Lasso回归进行特征提取后,输入带L2惩罚项LR、SVM、NN、GBDT、RF等机器学习模型进行违约预测,得出GBDT预测效果最好以及特征工程对线性模型预测效果具有重要性的结…☆51Updated 5 years ago
- 使用sklearn做特征工程☆167Updated 6 years ago
- 建立一个评分卡模型的代码包☆194Updated 5 years ago