概率质量函数 (probability mass function，PMF)是离散随机变量在各特定取值上的概率。 概率密度函数（probability density function，PDF ）是对连续随机变量定义的，本身不是概率，只有对连续随机变量的取值进行积分后才是概率。 累积分布函数（cumulative distribution function，CDF） 能完整描述一个实数随机变量X的
代码实战1 数据2 特征工程2.1 数据清洗2.1.1 数据格式处理2.1.2 缺失值2.1.3 标签处理和选择数据2.2 特征衍生2.3 分箱参考资料 代码实战1 数据来自于lending club print (data.shape) #(39785, 25)
data.info()
'''
<class 'pandas.core.frame.DataFrame'>
RangeIn
过去几年，业界不断推进隐私计算在金融场景的实践探索。其中，多方安全计算（MPC）技术可实现对原始数据按用途授权使用，有效避免数据的二次流转，达到数据可用并可控相对更匹配金融行业的联合风控场景需求。多方安全计算技术在金融风控的贷前准入、贷中提额、贷后清退、金融反欺诈等场景中都有着巨大的应用价值，隐语开放平台此次发布的技术方案之所选择MPC路线深度打造，既是因其安全性上可证的优势，也是为金融风控量体裁
《Python金融大数据风控建模实战》 第13章 特征工程进阶本章引言Python代码实现及注释 本章引言数据和特征决定了机器学习的上限，而模型和算法只是进一步接近这个上限而已。特征工程在整个机器学习中的重要性不言而喻，而且特征工程严重依赖于行业知识。深度学习的出现给自动特征工程带来了希望，深度学习提出了一种端到端的学习模式，即无须人工特征工程，而只需要给定输入数据与预测目标，模型即可自动实现特
转载
2024-02-27 10:02:43
89阅读
在此数据集（查看文末了解数据获取方式）中，我们必须预测信贷的违约支付，并找出哪些变量是违约支付的最强预测因子？以及不同人口统计学变量的类别，拖欠还款的概率如何变化？相关视频有25个变量：1. ID： 每个客户的ID2. LIMIT_BAL： 金额3. SEX： 性别（1 =男，2 =女）4.教育程度：（1 =研究生，2 =本科，3 =高中，4 =其他，5 =未知）5.
转载
2024-08-26 07:39:04
175阅读
在此数据集中，我们必须预测信贷的违约支付，并找出哪些变量是违约支付的最强预测因子？以及不同人口统计学变量的类别，拖欠还款的概率如何变化？相关视频有25个变量：1. ID： 每个客户的ID2. LIMIT_BAL： 金额3. SEX： 性别（1 =男，2 =女）4.教育程度：（1 =研究生，2 =本科，3 =高中，4 =其他，5 =未知）5.婚姻： 婚姻状况（
转载
2024-10-26 12:51:49
33阅读
金融风控基础篇风控的基本概念0 基于AI的风控应用1 什么是信用风险？2 信用模型和欺诈模型的区别3 小额现金贷 vs 大额信贷4 信用评分建模的基本流程5 和风控建模相关的问题有：数据清洗的全过程什么是 ETL交叉验证的优势及实现方法建立模型模型的评估方法 风控的基本概念如果说金融产品的核心是风控，那么风控的核心是：信用评估+模型规则。 互联网金融特性与产品 传统金融机构+非金融机构传统金融机
转载
2023-10-12 17:22:15
5阅读
先介绍下金融借贷业务流程：用户前来申请借贷，会先经过欺诈识别，把欺诈团伙和主观欺诈的个人拒绝掉，然后对通过的人做信用评估，最后根据额度模型，算出利润最大化时放款金额。刚才提到了团队欺诈，举个真实的例子。宜人贷在他们的财报中公布的，他们被一个团伙成功撸走了2000多单，当时宜人贷的件均4w， 一下损失了8000w！！那么如何防范这种风险呢。这就是今天要分享的图算法。图可以将这些一个个有良好记录的个体
下面开始正文：风控策略同学在挖掘有效的风控规则的时候，经常需要基于业务经验，将那几个特征进行组合形成风控策略，会导致在特征组合的时候浪费大量的时间，我们有没有什么方法，替代人工的分析，直接得出策略组合呢，决策树就是其中的一个选择，可以实现自动化的挖掘大批量的策略组合。在众多的算法中，决策树整体分类准确率不高，但是部分叶子节点的准确率却可以很高，因此我们可以提取决策树的叶子规则，并筛选准
转载
2024-01-10 13:14:16
138阅读
数据挖掘实践-金融风控TASK03特征工程学习目标学习提纲代码实现1.导入相关的包：2.数据读取3.特征预处理4.缺失值填充5.时间格式处理6.对象类型特征转换到数值7.类别特征处理8.异常值处理 TASK03特征工程学习目标学习特征预处理、缺失值、异常值处理、数据分箱等特征处理方法学习特征交互、编码、选择的相应方法学习提纲数据预处理： a. 缺失值的填充 b. 时间格式处理 c. 对象类型特征
转载
2024-06-14 23:35:45
112阅读
文章目录一. 前言1.1 一个小故事1.2 为什么要学习概率论二. 初等概率论2.1 离散随机变量2.1.1 伯努利分布2.1.2 二项分布2.1.3 泊松分布2.1.4 几何分布2.2 期望和方差2.2.1 期望和方差概述2.2.2 期望与方差的性质2.2.3 几种常见的离散型随机变量的期望和方差三. 连续型随机变量与分布函数3.1 连续型随机变量3.2 分布函数3.2.1 均匀分布3.2.2
## 实现Python金融风控模型的流程
为了教会刚入行的小白如何实现“Python金融风控模型”，我们可以分为以下几个步骤来进行。
### 步骤一：数据准备
在实现金融风控模型之前，我们首先需要准备好相关的数据。这些数据可以包括客户的个人信息、金融交易记录、信用评分等。我们可以使用Python的pandas库来进行数据的读取和处理。以下是一些常用的代码和注释：
```python
imp
原创
2024-02-07 11:32:09
177阅读
# Python金融风控案例解析
随着金融科技的迅速发展，金融风控越来越受到重视。合理的风控措施可以有效降低金融机构的风险损失。本文以“Python金融风控案例”为主题，分析如何利用Python进行金融风险控制的实践。我们将通过一个简单的信用评分模型来展示风控的基本思路。
## 信用评分模型概述
信用评分是评估贷款申请人信用风险的有效工具。模型根据历史数据分析申请人的信用情况，从而为金融机构
在现代金融科技的领域中，智能风控作为一项重要的技术，越来越受到重视。通过基于算法的风险管理手段，企业能够有效地识别和规避潜在的金融风险。这篇博文将重点探讨如何通过Python实现智能风控的金融风险管理，尤其是各类文档格式（如PDF）的处理。
背景描述
近年来，金融行业面临着各种复杂的风险管理挑战。为了提高风险评估与控制的效率，智能风控的理念应运而生。智能风控的主要目标是利用数据和模型来提高风控
金融风控数据建模-冠军方案分享写在前面2019厦门国际银行“数创金融杯”数据建模大赛-冠军团队：三位靓仔成员介绍：团队成员由当下国内赛圈著名选手组成，一月三冠选手宁缺，赛圈网红林有夕，以及最具潜力选手孙中宇组成。赛事地址：https://www.dcjingsai.com/v2/cmptDetail.html?id=319首先还是非常感谢他们提供的冠军方案分享，下面就一起来看看是如何大比分遥遥领先
转载
2023-12-26 15:27:08
123阅读
内容架构：一、什么是风控？风控的全称是风险控制，指的是管理者通过一定的方式和手段把控事情能安全有序的完成；降低甚至消除过程中风险事件发生的可能性，或者是减少和避免风险事件带来的损失。风控其实一直在我们生活中以不同的方式保障着我们的安全。比如我们平时的账号登陆在异地登陆（没在过的登陆位置）会有风险提示，并需要通过验证的方式才能成功登陆，以防盗号危险。因此，风险控制无处不在。二、风控有哪些不同的形式？
转载
2023-08-10 16:44:06
466阅读
不管是传统的银行还是现在流行的互联网金融，风控永远是其核心。前言互联网金融近几年得到了飞速的发展，它在某些方面其实是履行了部分银行的特征，给很多中小企业和个人解决了部分贷款的需求。从字面上来看，互联网金融其实就是互联网+金融的简称，这个词语算是属于中国特有，其实就是通过互联网的手段进行金融的交易，毕竟国有的金融机构覆盖人群范围还是比较狭窄，在交易方式上还是偏重于传统的线下审核和放款手段。互联网金融
转载
2023-11-14 12:35:58
14阅读
这么高的坏账情况，如果小贷机构在对借贷用户信用情况的掌握不足，即使高利率也低的！
原创
2022-09-17 06:57:15
494阅读
这一两期的课程是模型专场。我们知道金融风控模型，不单单指评分卡，而是针对产品营销、定价、授信、管理、催收、监测等业务流程开发的一系列策略、规则、评分卡的集合。 目前，利用有监督、无监督、半监督、深度学习等算法开发的评分卡是风控模型中卓有成效的技术。 模型应用于业务场景，即在特定场景下，利用数据，高效，准确地完成特定的预测或者判断的任务。 在模型训练过程中：每一种场景下，模型都可以通过数据进行训练而
转载
2024-03-16 10:05:04
132阅读
任务介绍 整体学习内容 本次组队学习的内容为：数据挖掘实践（金融风控），该内容来自 Datawhale与天池联合发起的 零基础入门数据挖掘 - 贷款违约预测 学习赛的第一场。 整体赛题要求 比赛要求参赛选手根据给定的数据集，建立模型，预测金融风险。 赛题以预测金融风险为任务，数据集报名后可见并可下载，该数据来自某信贷平台的贷款记录，总数据量超过120w，包含47列变量信息，其中15列为匿名变量。为
转载
2024-01-26 12:59:39
57阅读
