具体描述
内容介绍
本书基于Python全面介绍了机器学习在信贷风控领域的应用与实践，从原理、算法与工程实践3个维度全面展开，包含21种实用算法和26个解决方案。
作者是智能风控、人工智能和算法领域的资深专家，曾在多加知名金融科技企业从事风控算法方面的研究与实践，经验丰富，本书得到了风控领域9位专家的高度评价。
全书一共8章，每个章节都由问题、算法、案例三部分组成，具有系统性和实战性。
第1-2章讲解了信贷业务的基础知识以及常用的规则引擎、信用评估引擎的建模方法。
第3章以项目冷启动为背景，讲解了风控领域应用广泛的迁移学习方法。
第4-5章介绍了幸存者偏差与不均衡学习中所使用的无监督学习与半监督学习方法。
第6章阐述了无监督的异常识别算法，该算法常用于数据清洗与冷启动项目，是反欺诈引擎中常用的个体欺诈检测方法。
第7章分享了一些经作者实践证明效果较好的模型优化方法，并对模型融合的思路进行了较为详细的介绍。
第8章重点讲解了知识图谱相关的复杂网络基础知识及网络表示学习方法，其中的社区发现算法常用于团伙欺诈检测。此外，本章中的部分方法对信用评估模型的优化也有很大帮助。
作者简介
梅子行
风控技术专家、AI技术专家和算法专家，现就职于满帮科技，负责机器学习在风控领域的算法优化。历任多家知名金融科技公司的风控算法研究员、数据挖掘工程师。
师承Experian、Discover等企业的风控专家，擅长深度学习、复杂网络、迁移学习、异常检测等非传统机器学习方法，热衷于数据挖掘以及算法的跨领域优化实践。
目录信息
前言
第1章 风控建模与规则挖掘 / 1
1.1 信贷与风险 / 1
1.1.1 信贷业务与互联网金融风控体系 / 1
1.1.2 信贷风险与控制 / 4
1.2 工业建模流程 / 5
1.2.1 抽象业务 / 6
1.2.2 定义标签 / 6
1.2.3 样本选取 / 7
1.2.4 特征工程与模型调优 / 9
1.2.5 上线监控与评估报表 / 10
1.3 规则挖掘方案 / 13
1.4 本章小结 / 20
第2章 集成模型评分卡 / 21
2.1 特征工程解析 / 21
2.1.1 特征与模型 / 22
2.1.2 信用模型的特征 / 22
2.2 特征衍生方案 / 24
2.3 离散处理 / 27
2.3.1 one-hot编码 / 27
2.3.2 WOE编码 / 28
2.4 迭代特征筛选方案 / 33
2.5 自动化调参 / 38
2.5.1 自动化调参策略 / 38
2.5.2 参数搜索方案 / 39
2.5.3 调参框架搭建 / 40
2.6 递归特征删除方案 / 43
2.7 评分卡制作 / 44
2.7.1 逻辑回归评分卡 / 45
2.7.2 集成模型的评分映射 / 55
2.7.3 针对业务改写评价函数 / 59
2.8 本章小结 / 60
第3章 迁移学习与冷启动 / 61
3.1 迁移学习基础 / 61
3.1.1 应用场景 / 62
3.1.2 概念介绍 / 62
3.2 迁移学习方法论 / 63
3.2.1 三类常见算法 / 63
3.2.2 迁移的实现方法 / 64
3.3 少量有标签样本的迁移方案 / 65
3.3.1 TrAdaBoost模型 / 65
3.3.2 跨场景迁移模型 / 67
3.4 无标签样本迁移之JDA / 76
3.4.1 JDA模型 / 76
3.4.2 模型应用 / 79
3.5 无标签样本迁移之DTELM / 80
3.5.1 ELM模型 / 81
3.5.2 DTELM模型 / 82
3.5.3 模型应用 / 84
3.6 迁移样本筛选方案 / 88
3.6.1 背景介绍 / 88
3.6.2 算法框架概览 / 88
3.6.3 搭建融合框架 / 89
3.7 本章小结 / 93
第4章 幸存者偏差 / 95
4.1 幸存者偏差的含义 / 95
4.2 增量学习 / 96
4.3 生成对抗网络 / 97
4.3.1 GAN模型介绍 / 98
4.3.2 GAN与幸存者偏差 / 99
4.4 高斯混合模型 / 100
4.4.1 GMM算法原理 / 101
4.4.2 GMM简单应用 / 103
4.4.3 GMM中的概率模型 / 104
4.4.4 GMM样本生成 / 107
4.5 信息准则 / 110
4.5.1 赤池信息准则 / 110
4.5.2 贝叶斯信息准则 / 111
4.5.3 AIC与BIC比较 / 111
4.6 本章小结 / 112
第5章 不均衡学习 / 113
5.1 样本不均衡 / 113
5.2 代价敏感加权方案 / 114
5.3 插值过采样方案 / 115
5.3.1 SMOTE算法 / 115
5.3.2 过采样算法实践 / 116
5.4 半监督学习方案 / 121
5.4.1 前提假设 / 122
5.4.2 S3VM / 122
5.4.3 LP / 127
5.5 本章小结 / 130
第6章 异常检测 / 132
6.1 离群点与欺诈检测 / 133
6.2 z-score检验 / 134
6.3 LOF异常检测法 / 134
6.3.1 原理与算法流程 / 135
6.3.2 LOF样本清洗方案 / 137
6.4 IF异常检测法 / 139
6.4.1 原理与算法流程 / 139
6.4.2 PreA模型与冷启动 / 141
6.5 本章小结 / 144
第7章 模型优化 / 145
7.1 多损失函数分段预测 / 145
7.1.1 两种损失函数 / 146
7.1.2 融合流程 / 146
7.2 树模型特征衍生 / 149
7.2.1 GBDT离散化 / 149
7.2.2 融合方案详解 / 150
7.2.3 特征衍生细节 / 151
7.2.4 案例 / 151
7.3 时间序列建模 / 160
7.3.1 RNN / 160
7.3.2 LSTM / 163
7.3.3 门控结构 / 164
7.3.4 LSTM行为评分卡案例 / 166
7.4 高维稀疏数据建模 / 170
7.4.1 算法原理 / 171
7.4.2 算法应用 / 172
7.5 模型融合 / 173
7.5.1 模型融合基础 / 173
7.5.2 模型筛选 / 174
7.5.3 业务应用方案 / 181
7.6 本章小结 / 183
第8章 知识图谱 / 184
8.1 复杂网络基础 / 184
8.2 中心度与相似性 / 187
8.3 节点分类 / 193
8.3.1 朴素节点分类 / 193
8.3.2 邻节点加权投票 / 195
8.3.3 一致性标签传播 / 197
8.4 社区发现算法 / 200
8.4.1 基础概念 / 200
8.4.2 Girvan-Newman算法 / 201
8.4.3 Louvain算法 / 202
8.4.4 社区评估 / 204
8.5 网络表示学习 / 206
8.5.1 矩阵分解 / 207
8.5.2 节点嵌入 / 210
8.6 图卷积神经网络 / 215
8.6.1 卷积神经网络 / 215
8.6.2 傅里叶变换 / 217
8.6.3 拉普拉斯算子 / 219
8.6.4 GCN中的图卷积 / 221
8.7 本章小结 / 225
参考文献 / 226
· · · · · · (收起)
读后感
智能风控领域第一本书，具有开创性的意义。不管是同学们，职场新人，还是从业多年的行业大牛，都能从中找到适合自己的内容，有原理，有代码，有业务。刚刚入手，既有理论又有实践，插画精美，准备好好学一下，争取像作者一样，实现财务自由，迎娶白富美，走向人生巅峰。 认真看...
智能风控领域第一本书，具有开创性的意义。不管是同学们，职场新人，还是从业多年的行业大牛，都能从中找到适合自己的内容，有原理，有代码，有业务。刚刚入手，既有理论又有实践，插画精美，准备好好学一下，争取像作者一样，实现财务自由，迎娶白富美，走向人生巅峰。 认真看...
本人是一个颜控不得不承认这本书从看到第一眼就吸引住了我，漫画的风格目前在技术行业里不多，比较新鲜有趣，阅读起来会减轻很多枯燥感，看到十来位业界大佬合力推荐而来，确实不错，项目实战实操性很强，上手快，涵盖的领域也比较广，原理代码业务非常丰富，干货很多，爱了爱...
本人是一个颜控不得不承认这本书从看到第一眼就吸引住了我，漫画的风格目前在技术行业里不多，比较新鲜有趣，阅读起来会减轻很多枯燥感，看到十来位业界大佬合力推荐而来，确实不错，项目实战实操性很强，上手快，涵盖的领域也比较广，原理代码业务非常丰富，干货很多，爱了爱...
智能风控领域第一本书，具有开创性的意义。不管是同学们，职场新人，还是从业多年的行业大牛，都能从中找到适合自己的内容，有原理，有代码，有业务。刚刚入手，既有理论又有实践，插画精美，准备好好学一下，争取像作者一样，实现财务自由，迎娶白富美，走向人生巅峰。 认真看...
用户评价
不得不说，现在的金融科技发展真是日新月异，尤其是在风险管理这块，感觉每天都有新的技术、新的概念冒出来。我平时接触的风控业务，更多的是在落地和执行层面，对于一些更深层次的“为什么”和“怎么做”的研究，有时候会感觉力不从心。《智能风控：原理 算法与工程实践》这本书，光看书名就感觉内容非常扎实，涵盖了从理论到实践的全链条。 我特别关心的是，书中关于“智能”体现在哪里。比如，在反洗钱、反欺诈这些领域，传统的基于模式匹配和黑名单的策略，很容易被绕过。而真正的“智能”风控，应该能够学习和适应，发现那些肉眼难以察觉的关联和异常。我非常期待书中能够深入剖析一些代表性的智能风控算法，例如图神经网络在关系网络分析中的应用，或者自然语言处理技术在文本信息挖掘中的潜力。同时，我也希望书中能有一些具体的案例分析，展示这些算法是如何在实际场景中解决复杂的风控问题的。不仅仅是数学公式的堆砌，更重要的是能看到它们如何转化为可执行的代码，如何被整合到现有的风控系统中，最终实现更精准、更高效的风险识别和控制。这种将理论知识转化为工程实践的能力，对于我们这些一线从业者来说，是至关重要的。
工作中经常会遇到一些非常棘手的风控问题，特别是在处理一些新兴的金融业务，比如P2P、数字货币等，风险的特征和表现形式都比较复杂，传统的风控方法感觉力不从心。看到《智能风控：原理 算法与工程实践》这本书，感觉它触及了行业的痛点。 我一直对机器学习和深度学习在风控领域的应用很感兴趣，但很多时候，看到的资料要么是过于理论化，要么是过于碎片化。这本书的“原理”和“算法”部分，如果能清晰地梳理清楚各种经典和前沿的风控算法，比如如何用图神经网络来检测网络欺诈，如何用强化学习来优化信贷审批策略，如何用自然语言处理技术来分析舆情风险，我会觉得非常有价值。更重要的是，风控不仅仅是算法，更是一门工程。我非常期待书中在“工程实践”方面能够提供一些切实可行的指导。例如，如何构建一个高效、可扩展的风控系统架构，如何进行模型训练、部署、监控和持续优化，如何处理海量实时数据，如何保证模型的实时性和准确性。如果书中能包含一些具体的工程案例，展示这些算法是如何从模型到生产线的，那将非常有启发性。这能帮助我们更好地理解技术落地过程中可能遇到的挑战，并找到有效的解决方案，真正实现“智能”风控。
最近在思考如何提升我们团队在风险评估方面的能力，特别是在处理一些新型的、数据维度更复杂的业务场景时，感觉传统的评估方法已经有点跟不上趟了。偶然间看到《智能风控：原理 算法与工程实践》这本书，标题就特别吸引人，感觉正是我需要的。 我平时接触的更多是业务层面的风控，对于背后的原理和算法的理解，有时候会比较浅显。这本书在“原理”和“算法”部分的介绍，听起来就很有分量。我特别好奇它会如何讲解各种机器学习模型在风控领域的具体应用，比如在信用评分、欺诈检测、反洗钱等方面，是不是有针对性的算法介绍和模型选择的建议。另外，我一直觉得风控的核心在于“实践”，再好的理论，如果落不了地，那都是空中楼阁。所以，“工程实践”这部分对我来说尤为重要。我希望书中能够详细介绍如何将这些先进的算法部署到实际的生产环境中，如何进行系统的搭建、维护和优化，包括模型的可解释性、实时性、稳定性等方面。如果能有关于大数据平台、分布式计算框架在风控系统中的应用，以及如何进行模型性能监控和迭代的案例，那就更完美了。这能帮助我们避免很多“踩坑”的经历，少走弯路。
作为一名在金融风控领域摸爬滚打了几年的人，我一直很关注市面上能切实提升工作效率、深化业务理解的书籍。最近偶然间翻到一本名为《智能风控：原理 算法与工程实践》的书，虽然我还没来得及深入阅读，但从目录和前言来看，这本书无疑触及了我工作中经常会遇到的痛点和挑战。 比如，在信贷审批中，如何平衡风险与效率始终是个难题。传统的规则引擎虽然直观，但面对海量数据和不断变化的欺诈手段，显得力不从心。而机器学习模型，虽然潜力巨大，但如何选择合适的算法，如何解释模型的决策过程，如何将模型落地到线上实时服务，这些都是需要深厚技术功底和丰富实践经验才能解决的问题。《智能风控》在“原理”和“算法”部分，想必会梳理清楚不同模型背后的数学逻辑和适用场景，比如梯度提升树、深度学习在反欺诈中的应用，以及如何进行特征工程以提高模型效果。而“工程实践”更是关键，这部分通常会涉及模型部署、监控、迭代的整个生命周期管理，包括AB测试、模型回滚策略等，这些都是决定一个风控项目能否成功的关键环节，也是我在日常工作中经常需要攻克的难点。我期待这本书能提供一些实用的指导，让我在面对这些复杂问题时，能有更系统、更清晰的解决方案，而不是零散的经验堆砌。
作为一名刚刚入行不久的风控新人，我对于这个领域充满了好奇，也深知这个行业的技术更新迭代速度非常快，想要跟上步伐，就必须不断学习。最近听闻《智能风控：原理 算法与工程实践》这本书，觉得它的内容非常全面，涵盖了我未来工作中可能会接触到的方方面面。 我特别希望这本书在“原理”部分能够深入浅出地讲解风控的核心概念，比如信用风险、市场风险、操作风险等，并解释它们是如何通过数据来度量的。在“算法”部分，我期待能看到一些主流的风控算法的介绍，比如逻辑回归、决策树、随机森林、SVM等，以及一些更前沿的算法，比如深度学习在反欺诈中的应用，如何构建欺诈画像，如何利用异常检测技术来发现潜在的风险。更令我期待的是“工程实践”这一部分，因为我知道，理论再好，如果不能应用到实际工作中，那也是徒劳。我希望书中能够分享一些关于风控系统架构的设计原则，模型部署的流程，以及如何进行模型效果的评估和监控，包括如何处理数据偏差、模型漂移等问题。如果能提供一些真实的案例研究，展示如何将这些技术应用到实际的风控场景中，那对我来说将是无价的。这本书的全面性，让我觉得它能够成为我学习风控的“启蒙书”或者“工具书”。
这本书不算厚，但内容非常全面，涉及了大量的算法和解决方案，可以说是短小精悍，编排精到，读完了让人意犹未尽。
我读起来最轻松、收获最多的机器学习实践方面的书，之前很多模糊的概念，在跟着这本书跑一遍之后感觉清晰多了。
作为一本技术书，没有堆砌专业术语，配图很有爱，理论与实践兼顾，作者的文字是比较平实的那种，读起来没有压力。推荐给对风控有初步了解的同学。
作为一本技术书，没有堆砌专业术语，配图很有爱，理论与实践兼顾，作者的文字是比较平实的那种，读起来没有压力。推荐给对风控有初步了解的同学。
难得一见将机器学习与风控结合起来的好书，机器学习原理、算法、在风控业务中的实际应用，都讲得好清楚，收获大大的。
