返回详情页
章节
问答
一、欺诈检测(9小时42分钟)
【点击观看试看内容】1.0 欺诈检测课程介绍
【点击观看试看内容】1.1欺诈检测概述
第1章 欺诈检测(Fraud Detection)概述
第2章 医疗保险欺诈案例的数据理解
第3章 用比对法发现欺诈
第4章 用比较法发现欺诈
第5章 用模型法发现欺诈
第6章 监督学习方法的欺诈检测实例
二、推荐系统(12小时49分钟)
【点击观看试看内容】1.1 推荐系统课程介绍
【点击观看试看内容】1.2 为什么会出现推荐系统
第1章 推荐系统概述(上)
第2章 推荐系统概述(下)
第3章 Suprise包使用入门
第4章 协同过滤
第5章 矩阵分解
第6章 基于内容的推荐算法
第7章 结合文本挖掘进行推荐
第8章 基于列表序列进行推荐
第9章 聚类方法在推荐系统中的应用
第10章 冷启动问题
三、客户流失分析(11小时28分钟)
【点击观看试看内容】1.0客户流失分析课程介绍
【点击观看试看内容】1.1希望回答的商业问题
第1章 电信客户流失案例之商业理解
第2章 数据理解与数据准备
第3章 电信案例的建模分析
第4章 模型应用及营销预演
第5章 银行客户流失案例之商业理解
第6章 更专业的数据准备流程
第7章 银行案例的建模分析
四、信用评分方法(13小时)
【点击观看试看内容】1.0信用评分课程介绍
【点击观看试看内容】1.2信用体系与信用风险
第1章 评分卡模型概述
第2章 传统银行案例之商业理解
第3章 数据理解与数据准备
第4章 数据分箱
第5章 应用logistic回归建模
第6章 从模型结果到评分卡
第7章 评分卡的使用与效果监控
第8章 互联网金融案例介绍
第9章 互联网金融案例的数据预处理
第10章 分箱操作的自动化实现
第11章 互联网金融案例的特征筛选
第12章 互联网金融案例的建模分析
发表
Python数据挖掘与深度学习系列-行业案例版