腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
大数据风控
专栏成员
举报
57
文章
133881
阅读量
60
订阅数
订阅专栏
申请加入专栏
全部文章(57)
r 语言(27)
python(14)
数据处理(13)
编程算法(11)
机器学习(2)
api(2)
数据分析(2)
数据结构(2)
数据挖掘(1)
数据库(1)
神经网络(1)
人工智能(1)
express(1)
线性回归(1)
微服务(1)
聚类算法(1)
搜索文章
搜索
搜索
关闭
评分卡模型开发-定量指标筛选
数据库
数据处理
本文介绍了在模型开发中,如何从数据中筛选出对违约状态影响最显著的指标。首先介绍了违约状态的数据特点,然后给出了五种定量指标筛选方法,包括随机森林法、计算变量间的相对重要性、基于自变量的逐步回归法、基于自变量的广义交叉验证法和基于变量的“Boruta”法。最后,综合这五种方法,筛选出了对违约状态影响最显著的四个入模指标,分别为:账户状态、是否逾期、是否申请提高额度和申请额度是否获批。对于定性指标,则通过文本挖掘的方法提取了“是否逾期”和“是否申请提高额度”两个入模指标。通过这些指标,可以更好地预测客户的违约状态,为金融机构提供更精准的风险评估和决策依据。同时,在筛选指标的过程中,要注意指标的可解释性和稳定性,以确保模型的预测效果和泛化能力。
Erin
2018-01-09
1.2K
0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档