《大数据征信及智能评估 征信大数据挖掘与智能分析技术》读书笔记思维导图PPT模板下载

思维导图PPT模板《大数据征信及智能评估征信大数据挖掘与智能分析技术》最新版读书笔记，下载可以直接修改技术模型评估信用数据系统研究分析特征设计大数据方法实验融合相关算法概述预警模态本书关键字分析思维导图01内容简介第1章多源多模态征信大数据融合方法第二部分信用评估技术研究第一部分基础技术研究第2章大数据征信归因分析及模型可解释性...第3章基于时序行为分析的信用评估技术目录030502040607第4章征信大数据频繁模式与关联规则挖掘第6章信用环境的区域差异性影响因素第7章信用评估监测预警技术及系统第5章信用风险违约识别与预警技术第三部分信用评估系统研发目录0901108010内容摘要本书聚焦于个人层面的信用违约技术研究、风险预警与监控系统的实现，但其中的技术也可以便捷地应用于企业征信。全书由浅入深、循序渐进地讲述了大数据时代下的征信技术。全书分为三个部分，第一部分是基础技术研究，介绍了征信业务中多源、多模态数据的融合方法，以及大数据征信模型的归因分析与解释性研究；第二部分是信用评估技术研究，包括大数据征信场景下时序数据的挖掘与分析，违约风险评估预警技术，以及不同区域的差异性对于信用情况的影响；第三部分聚焦于信用评估系统研发，从全局角度描述了一个信用评估与监控预警系统的实现。内容简介第一部分基础技术研究第1章多源多模态征信大数据融合方法1.1多模态融合概述1.2多模态融合相关理论技术1.3基于协同学习技术的决策级融合方法1.4基于多模态适配器的特征级融合方法1.5基于协同学习的多源数据融合原型系...12345第1章多源多模态征信大数据融合方法1.1.1研究背景与意义1.1.3研究内容1.1.2研究现状1.1多模态融合概述1.2.1众包标注1.2.2众包数据的消噪1.2.3图像分类1.2.4多模态数据融合1.2.5协同学习123451.2多模态融合相关理论技术1.3.1任务描述1.3.2多源同构数据融合方法：CT-...1.3.3CT-MID模块说明1.3.4实验分析1.3.5方法分析123451.3基于协同学习技术的决策级融合方法1.4.1任务描述1.4.3实验结果1.4.2多源异构数据融合方法：MLP...1.4基于多模态适配器的特征级融合方法1.5.2功能展示1.5.1系统组成单元1.5基于协同学习的多源数据融合原型系...第2章大数据征信归因分析及模型可解释性...2.1大数据征信分析概述2.2相关理论技术2.3归因分析技术研究2.4模型可解释性提升技术研究2.5原型系统的设计与实现12345第2章大数据征信归因分析及模型可解释性...2.1.1研究背景与意义2.1.2研究现状2.1.3问题与挑战2.1.4研究内容2.1大数据征信分析概述2.2.1特征选择方法2.2.3模型的可解释方法2.2.2因果模型2.2相关理论技术2.3.2实验评估：归因分析2.3.1归因分析总体流程设计2.3归因分析技术研究2.4.1可解释性提升方法设计2.4.3实验二：个体可解释性提升2.4.2实验一：整体可解释性提升2.4模型可解释性提升技术研究2.5.1系统业务流程设计2.5.2系统功能架构设计2.5.3效果展示2.5.4系统测试2.5原型系统的设计与实现第二部分信用评估技术研究第3章基于时序行为分析的信用评估技术3.1时序行为信用评估概述3.2相关理论技术3.3数据准备与特征工程3.4基于时序行为的征信评估模型设计3.5模型验证与原型系统12345第3章基于时序行为分析的信用评估技术3.1.1研究背景与意义3.1.3研究内容3.1.2研究现状3.1时序行为信用评估概述3.2.2图嵌入模型3.2.1基于神经网络的模型3.2相关理论技术3.3.1数据准备3.3.2数据观察3.3.3数据清洗3.3.4特征工程3.3数据准备与特征工程3.4.1模型总体设计3.4.2基于Auto-Encoder...3.4.3基于Node2Vec模型的行...3.4.4基于特征融合的用户信用评估模...3.4基于时序行为的征信评估模型设计3.5.2原型系统设计与实现3.5.1模型验证3.5模型验证与原型系统第4章征信大数据频繁模式与关联规则挖掘4.1征信大数据挖掘概述4.2相关理论技术4.3多源征信大数据融合方法4.4结构化征信大数据动态关联规则挖掘...4.5流式半结构化征信大数据频繁项集挖...4.6实验结果与分析010302040506第4章征信大数据频繁模式与关联规则挖掘4.1.1研究现状4.1.3研究内容4.1.2问题描述4.1征信大数据挖掘概述4.2.2动态关联规则挖掘的相关技术4.2.1数据融合的相关技术4.2相关理论技术4.3.1数据融合4.3.2数据融合方法4.3.3多源异构数据的融合模型4.3.4实验结果与分析4.3多源征信大数据融合方法4.4.1动态关联规则的形式化定义4.4.2与静态关联规则的比较4.4.3动态关联规则的评价4.4.4动态关联规则挖掘算法4.4.5实验结果与分析123454.4结构化征信大数据动态关联规则挖掘...4.5.1数据流与半结构化数据4.5.2树结构模型挖掘的相关定义4.5.3两个改进4.5.4改进的挖掘算法4.5流式半结构化征信大数据频繁项集挖...4.6.2实验结果4.6.1实验数据4.6实验结果与分析第5章信用风险违约识别与预警技术5.1信用风险违约概述5.2相关理论技术5.3信用风险数据与数据预处理5.4个人信用风险违约识别与预警模型设...5.5模型验证与原型系统12345第5章信用风险违约识别与预警技术5.1.1研究背景与意义5.1.3研究内容5.1.2研究现状5.1信用风险违约概述5.2.2个人信用评估模型技术5.2.1个人信用评估指标体系5.2相关理论技术5.3.1数据来源5.3.2数据信息5.3.3缺失值分析5.3.4分类变量5.3信用风险数据与数据预处理5.3.5连续变量的离散化5.3.7领域变量处理5.3.6异常值处理5.3信用风险数据与数据预处理5.4.1模型设计分析5.4.3D-SStacking模型5.4.2组合模型优化5.4个人信用风险违约识别与预警模型设...5.5.1系统业务流程5.5.3原型系统效果评估5.5.2系统架构设计5.5模型验证与原型系统第6章信用环境的区域差异性影响因素6.1信用环境的区域差异概述6.2相关理论技术6.3基于两种机器学习算法的我国城市商...6.4基于TreeSHAP特征因子解释...第6章信用环境的区域差异性影响因素6.1.1研究背景与意义6.1.3研究内容6.1.2研究现状6.1信用环境的区域差异概述6.2.1数据准备6.2.2空间自相关分析方法6.2.3XGBoost算法6.2.4随机森林6.2.5TreeSHAP模型123456.2相关理论技术6.3.1我国城市商业信用环境指数特征...6.3.2基于XGBoost的我国城市...6.3.3基于随机森林的我国城市商业信...6.3.4两种机器学习方法评估精度比较...6.3基于两种机器学习算法的我国城市商...6.4.1基于XGBoost模型的特征...6.4.3小结6.4.2基于随机森林模型的特征因子解...6.4基于TreeSHAP特征因子解释...第三部分信用评估系统研发第7章信用评估监测预警技术及系统7.2系统设计7.1系