思維導圖PPT模板《大數據征信及智能評估征信大數據挖掘與智能分析技術》最新版讀書筆記，下載可以直接修改技術模型評估信用數據系統研究分析特征設計大數據方法實驗融合相關算法概述預警模態本書關鍵字分析思維導圖01內容簡介第1章多源多模態征信大數據融合方法第二部分信用評估技術研究第一部分基礎技術研究第2章大數據征信歸因分析及模型可解釋性...第3章基于時序行為分析的信用評估技術目錄030502040607第4章征信大數據頻繁模式與關聯規則挖掘第6章信用環境的區域差異性影響因素第7章信用評估監測預警技術及系統第5章信用風險違約識別與預警技術第三部分信用評估系統研發目錄0901108010內容摘要本書聚焦于個人層面的信用違約技術研究、風險預警與監控系統的實現，但其中的技術也可以便捷地應用于企業征信。全書由淺入深、循序漸進地講述了大數據時代下的征信技術。全書分為三個部分，第一部分是基礎技術研究，介紹了征信業務中多源、多模態數據的融合方法，以及大數據征信模型的歸因分析與解釋性研究；第二部分是信用評估技術研究，包括大數據征信場景下時序數據的挖掘與分析，違約風險評估預警技術，以及不同區域的差異性對于信用情況的影響；第三部分聚焦于信用評估系統研發，從全局角度描述了一個信用評估與監控預警系統的實現。內容簡介第一部分基礎技術研究第1章多源多模態征信大數據融合方法1.1多模態融合概述1.2多模態融合相關理論技術1.3基于協同學習技術的決策級融合方法1.4基于多模態適配器的特征級融合方法1.5基于協同學習的多源數據融合原型系...12345第1章多源多模態征信大數據融合方法1.1.1研究背景與意義1.1.3研究內容1.1.2研究現狀1.1多模態融合概述1.2.1眾包標注1.2.2眾包數據的消噪1.2.3圖像分類1.2.4多模態數據融合1.2.5協同學習123451.2多模態融合相關理論技術1.3.1任務描述1.3.2多源同構數據融合方法：CT-...1.3.3CT-MID模塊說明1.3.4實驗分析1.3.5方法分析123451.3基于協同學習技術的決策級融合方法1.4.1任務描述1.4.3實驗結果1.4.2多源異構數據融合方法：MLP...1.4基于多模態適配器的特征級融合方法1.5.2功能展示1.5.1系統組成單元1.5基于協同學習的多源數據融合原型系...第2章大數據征信歸因分析及模型可解釋性...2.1大數據征信分析概述2.2相關理論技術2.3歸因分析技術研究2.4模型可解釋性提升技術研究2.5原型系統的設計與實現12345第2章大數據征信歸因分析及模型可解釋性...2.1.1研究背景與意義2.1.2研究現狀2.1.3問題與挑戰2.1.4研究內容2.1大數據征信分析概述2.2.1特征選擇方法2.2.3模型的可解釋方法2.2.2因果模型2.2相關理論技術2.3.2實驗評估：歸因分析2.3.1歸因分析總體流程設計2.3歸因分析技術研究2.4.1可解釋性提升方法設計2.4.3實驗二：個體可解釋性提升2.4.2實驗一：整體可解釋性提升2.4模型可解釋性提升技術研究2.5.1系統業務流程設計2.5.2系統功能架構設計2.5.3效果展示2.5.4系統測試2.5原型系統的設計與實現第二部分信用評估技術研究第3章基于時序行為分析的信用評估技術3.1時序行為信用評估概述3.2相關理論技術3.3數據準備與特征工程3.4基于時序行為的征信評估模型設計3.5模型驗證與原型系統12345第3章基于時序行為分析的信用評估技術3.1.1研究背景與意義3.1.3研究內容3.1.2研究現狀3.1時序行為信用評估概述3.2.2圖嵌入模型3.2.1基于神經網絡的模型3.2相關理論技術3.3.1數據準備3.3.2數據觀察3.3.3數據清洗3.3.4特征工程3.3數據準備與特征工程3.4.1模型總體設計3.4.2基于Auto-Encoder...3.4.3基于Node2Vec模型的行...3.4.4基于特征融合的用戶信用評估模...3.4基于時序行為的征信評估模型設計3.5.2原型系統設計與實現3.5.1模型驗證3.5模型驗證與原型系統第4章征信大數據頻繁模式與關聯規則挖掘4.1征信大數據挖掘概述4.2相關理論技術4.3多源征信大數據融合方法4.4結構化征信大數據動態關聯規則挖掘...4.5流式半結構化征信大數據頻繁項集挖...4.6實驗結果與分析010302040506第4章征信大數據頻繁模式與關聯規則挖掘4.1.1研究現狀4.1.3研究內容4.1.2問題描述4.1征信大數據挖掘概述4.2.2動態關聯規則挖掘的相關技術4.2.1數據融合的相關技術4.2相關理論技術4.3.1數據融合4.3.2數據融合方法4.3.3多源異構數據的融合模型4.3.4實驗結果與分析4.3多源征信大數據融合方法4.4.1動態關聯規則的形式化定義4.4.2與靜態關聯規則的比較4.4.3動態關聯規則的評價4.4.4動態關聯規則挖掘算法4.4.5實驗結果與分析123454.4結構化征信大數據動態關聯規則挖掘...4.5.1數據流與半結構化數據4.5.2樹結構模型挖掘的相關定義4.5.3兩個改進4.5.4改進的挖掘算法4.5流式半結構化征信大數據頻繁項集挖...4.6.2實驗結果4.6.1實驗數據4.6實驗結果與分析第5章信用風險違約識別與預警技術5.1信用風險違約概述5.2相關理論技術5.3信用風險數據與數據預處理5.4個人信用風險違約識別與預警模型設...5.5模型驗證與原型系統12345第5章信用風險違約識別與預警技術5.1.1研究背景與意義5.1.3研究內容5.1.2研究現狀5.1信用風險違約概述5.2.2個人信用評估模型技術5.2.1個人信用評估指標體系5.2相關理論技術5.3.1數據來源5.3.2數據信息5.3.3缺失值分析5.3.4分類變量5.3信用風險數據與數據預處理5.3.5連續變量的離散化5.3.7領域變量處理5.3.6異常值處理5.3信用風險數據與數據預處理5.4.1模型設計分析5.4.3D-SStacking模型5.4.2組合模型優化5.4個人信用風險違約識別與預警模型設...5.5.1系統業務流程5.5.3原型系統效果評估5.5.2系統架構設計5.5模型驗證與原型系統第6章信用環境的區域差異性影響因素6.1信用環境的區域差異概述6.2相關理論技術6.3基于兩種機器學習算法的我國城市商...6.4基于TreeSHAP特征因子解釋...第6章信用環境的區域差異性影響因素6.1.1研究背景與意義6.1.3研究內容6.1.2研究現狀6.1信用環境的區域差異概述6.2.1數據準備6.2.2空間自相關分析方法6.2.3XGBoost算法6.2.4隨機森林6.2.5TreeSHAP模型123456.2相關理論技術6.3.1我國城市商業信用環境指數特征...6.3.2基于XGBoost的我國城市...6.3.3基于隨機森林的我國城市商業信...6.3.4兩種機器學習方法評估精度比較...6.3基于兩種機器學習算法的我國城市商...6.4.1基于XGBoost模型的特征...6.4.3小結6.4.2基于隨機森林模型的特征因子解...6.4基于TreeSHAP特征因子解釋...第三部分信用評估系統研發第7章信用評估監測預警技術及系統7.2系統設計7.1系