首页>英国信用评分和数据挖掘Credit Scoring and Data Mining
Credit Scoring and Data Mining
了解海外留学生学术写作类型、写作格式以及写作标准等。共计开设学术写作班课34期,班课分为本科阶段以及硕士阶段,不同阶段定制不同授课大纲。
获悉详情信用评分和数据挖掘MANG6054Credit Scoring and Data Mining:
课程内容:
本课程首先定义了数据中知识发现(KDD)的概念,该概念由三个步骤组成:数据预处理、数据挖掘和后处理。
接下来,课程深入探讨了数据挖掘步骤,并区分了两种类型的数据挖掘:描述性数据挖掘(如聚类、关联和序列规则)和预测性数据挖掘(如回归和分类)。
然后,课程说明了如何成功地使用KDD来开发信用评分应用程序,其目的是根据客户的特征来区分好客户和坏客户(违约者)。开发良好的信用评分模型的重要性将在《巴塞尔协议II》和《巴塞尔协议III》指导原则的背景下得到强调。理论概念将使用现实生活中的信用评分案例和SAS企业矿工软件来说明。
课程大纲:
1、基本内容:数据中的知识发现;KDD过程模型;描述性与预测性数据挖掘;信用评分(问题陈述、起源和目标);巴塞尔协议II和III的规定;风险管理;消费者信用评分、行为评分、催收评分、破产预测;基于风险的定价(信贷产品的定制);定制记分卡与通用记分卡;开发记分卡。
2、数据预处理:选择样本;分割;应用和行为评分所需的示例变量;过采样与欠采样;信用评分特征;申请表格特征;征信机构特征;拒绝推论;好与坏的定义;二元与三元分类(好、坏和不确定);离群点检测;缺少值;名义变量与序数变量。
3、数据挖掘:分类的基本概念;分类技术(逻辑回归、决策树、神经网络);过度拟合与一般化;输入选择(过滤器、包装器等);设置截止时间;衡量记分卡绩效(ROC曲线、Lift、Gini等)。
4、后期处理:报告;策略曲线;利润计分;重新校准记分卡;跟踪记分卡。
学习成果:
• 知识和理解
完成本课程后,学生将能够展示对以下内容的理解:
1、KDD和数据挖掘开发记分卡的潜力。
• 特定学科的知识和研究技能
完成本课程后,学生将能够发展以下技能:
1、使用软件开发信用评分解决方案;
2、使用数据挖掘技术开发记分卡。
• 可转移和通用技能
完成本课程后,学生将能够发展以下技能:
1、批判性地分析实施记分卡时出现的实际困难;
2、了解对其他业务环境的潜在影响(如欺诈检测、CRM)。
OUR COACHING PROCESS
我们的辅导流程
01
评估评测
提交辅导需求发送学习资料,教学部评估学习情况;
02
匹配老师
教学部精准匹配授课老师,提供老师背景等资料;
03
建群定方案
vip学习群,规划老师+督导老师+学管老师,1V3辅导;
04
排课授课
教学部排课,老师一对一辅导授课,高效课堂有保障;
05
答疑反馈
学管课堂反馈,课堂答疑+课件回放+笔记随时复习;
评估评测确认需求
同学提交辅导需求并发送相关学习资料(课件大纲资料等),教学部评估基础学习情况;
匹配老师初步沟通
教学部精准匹配授课老师,提供老师背景等资料;
建学习群定辅导计划
专属vip学习群,规划老师+督导老师+学管老师,1V3共同制定学习计划;
预约排课导师授课
教学部安排详细上课时间,老师一对一辅导授课,高效课堂有保障;
答疑解惑课堂反馈
督导学管老师随时反馈学习情况,课堂答疑,提供课件回放+笔记随时复习复盘。
TP 100 EXCELLENT TEACHERS
TOP100优秀师资
信用评分和数据挖掘问答
Credit Scoring and Data Mining
信用评分和数据挖掘文章
专业覆盖97%以上,快速匹配对口老师!
已有10456人成功匹配老师