又到了每周三的送书时刻啦！今天给大家带来的是《Python金融大数据风控建模实战：基于机器学习》！

（文末查看送书规则）

简介

      

这是一本基于Python语言的金融大数据风控建模入门读物。书中结合人工智能领域流行的机器学习算法进行信用评分卡模型构建，从而解决金融领域*为核心的风险控制问题。

共19章，分为4篇。第1篇“智能风控背景”，旨在由浅入深地引领读者走进金融科技领域，带领他们了解智能风控的相关知识，并全面、系统地认识评分卡；第2篇“评分卡理论与实战基础”，围绕评分卡构建的完整流程，向读者一一讲述每个环节的理论知识，并进行代码实践，帮助读者获得从0到1构建评分卡模型的工程能力；第3篇“评分卡理论与实战进阶”，旨在从建模中可能遇到的问题出发，提供一些解决问题或提升模型效果的思路，使建立的评分卡具有更好的业务适应能力及预测能力；第4篇“Lending Club数据集实战”，结合真实信贷场景的数据集，带领读者完成从数据分析到评分卡生成的各个流程，旨在让读者体验真实的场景，掌握评分卡实战技能，同时为读者在实际工作中构建评分卡提供参考。

本书适合有一定Python语言基础的金融风控从业人员阅读，也适合想要学习人工智能如何应用于金融场景中的开发人员及业务人员阅读。另外，金融、计算机等相关专业的学生，以及金融科技从业人员及相关培训学员也可将本书作为教材或者兴趣读物阅读。

编辑推荐

       

结合机器学习算法，进行信用评分卡模型的构建

手把手带领读者零门槛学习金融领域的风险控制

理清业务：立足业务场景，深入剖析金融大数据风控建模的全流程

算法精讲：详解算法原理，系统梳理不同算法的异同与应用场景

代码实践：提供完整的源代码和详细的代码注释，带领读者动手实践

项目实战：以真实数据为基础，通过实际项目从0到1进行全流程实战

精华内容：

智能风控背景篇：

金融科技介绍

机器学习介绍

评分卡模型介绍

评分卡理论与实战基础篇：

数据清洗与预处理

变量编码方法

变量分箱方法

变量选择

Logistic回归模型

模型的评估指标

评分卡分数转化

模型在线监控

评分卡理论与实战进阶篇：

样本不均衡处理

特征工程进阶

决策树模型

神经网络模型

支持向量机模型

集成学习

模型融合

Lending Club数据集实战篇：

完整的模型开发与实现

作者介绍

王青天  硕士，曾任某互联网金融公司机器学习研究工程师，从事风控建模工作。对机器学习、风控建模、工业互联网等方向有浓厚的兴趣和广泛的研究。

孔越  博士，曾留学英国剑桥大学。涉猎金融风控和“AI 药物研发”等多个人工智能应用领域。曾参与多项国家自然科学基金项目和欧洲科研基金项目，发表多篇SCI论文。

目录介绍

第1章  金融科技介绍 2

第2章  机器学习介绍 17

第3章  评分卡模型介绍 25

第4章  数据清洗与预处理 48

第5章  变量编码方法 66

第6章  变量分箱方法 89

第7章  变量选择 109

第8章  Logistic回归模型 123

第9章  模型的评估指标 136

第10章  评分卡分数转化 157

第11章  模型在线监控 169

第12章  样本不均衡处理 180

第13章  特征工程进阶 206

第14章  决策树模型 229

第15章  神经网络模型 241

第16章  支持向量机模型 257

第17章  集成学习 286

第18章  模型融合 317

第19章  完整的模型开发实现 330

有粉丝想更多了解此书，请点下方或者阅读原文：

送书规则

公众号回复:送书 ,参与抽奖（共5本）

本次送书5本

或者扫一扫下方的二维码回复：送书  即可！