预测模型搭建的实际操作流程

模块一：实际项目数据概述 - 第一节：课程介绍 - 第二节：为什么要建模（以信贷产品应用为例） - 第三节：建模的方法和流程介绍 - 第四节：案例数据介绍 - 第四节：Python编辑器安装教学 模块二：数据整合和清洗 - 第一节：主要步骤基本介绍 - 第二节：主要步骤具体讲解 - 第三节：实操讲解-环境设置 - 第三节：实操讲解-原始数据导入与整合 - 第三节：实操讲解-原始数据清洗 - 第三节：实操讲解-原始数据导出和总结 - 第四节：要点回顾及利用ChatGPT进行Debug讲解 模块三：样本的设计 - 第一节：样本设计基本概念介绍 - 第二节：设计方式具体讲解 - 第三节：实操讲解——训练集和验证集产生 - 第四节：要点回顾 模块四：变量初选 - 第一节：为什么要进行变量初选 - 第二节：变量初选方法介绍 - 第三节：基于课程案例的变量初选 - 第四节：实操讲解-环境设置、数据集读取与变量统计 - 第四节：实操讲解-缺省值插入 - 第四节：实操讲解-相关性分析 - 第四节：实操讲解-回归方法 - 第四节：实操讲解-逻辑回归 - 第四节：实操讲解-主成分分析 - 第四节：实操讲解-KS值计算 - 第四节：实操讲解-信息值计算 模块五：变量处理 - 第一节：变量处理的目的 - 第二节：预测变量分析图 - 第三节：变量处理方法介绍 - 第四节：实操讲解-环境设置与数据集导入 - 第四节：实操讲解-图表生成与分析 - 第四节：实操讲解-字符处理 - 第四节：实操讲解-数字变量处理 模块六：模型表现的度量 - 第一节：理解模型表现的度量 - 第二节：常用性能指标介绍-提升图 - 第二节：常用性能指标介绍-AUC - 第二节：常用性能指标介绍-基尼指数 - 第二节：常用性能指标介绍-基尼指数和AUC值之间的关系 - 第二节：常用性能指标介绍-KS值和信息值 - 第二节：常用性能指标介绍-小结总结 - 第三节：实操讲解-环境设置、数据集读取与预测变量调整 - 第三节：实操讲解-建模 - 第三节：实操讲解-提升图 - 第三节：实操讲解-AUC值和基尼指数 - 第三节：实操讲解-KS值和信息值 - 第三节：实操讲解-本节回顾及插入提升图注意事项 模块七：模型搭建和选择 - 第一节：模型介绍-逻辑回归模型 - 第一节：模型介绍-前进搜索、梯度搜索、后退搜索 - 第一节：模型介绍-随机森林 - 第一节：模型介绍-GBM和XGBoost - 第二节：模型的选择和AUC比较 - 第三节：实操讲解-环境设置与数据集读取 - 第三节：实操讲解-逻辑回归（所有变量） - 第三节：实操讲解-逻辑回归（向前选变量） - 第三节：实操讲解-逻辑回归（向后选变量） - 第三节：实操讲解-随机森林 - 第三节：实操讲解-XGBoost和GBM - 第三节：实操讲解-叠加模型 - 第三节：实操讲解-本节回顾 模块八：模型的验证和解释 - 第一节：模型介绍 - 第二节：实操讲解-环境设置与数据集读取 - 第二节：实操讲解-模型验证 - 第二节：实操讲解-模型解释（画图） - 第二节：实操讲解-保存为模块 模块九：模型的实施设计 - 第一节：模型介绍 - 第二节：实操讲解-环境设置与变量选择 - 第二节：实操讲解-打分机制验证 - 第二节：实操讲解-策略曲线 - 第二节：实操讲解-对新的生产线上的总体数据打分 - 第二节：实操讲解-小结回顾 模块十：模型的监控设计 - 第一节：模型介绍-总体稳定性监测 - 第一节：模型介绍-模型有效性监测 - 第一节：模型介绍-变量水平监测 - 第二节：实操讲解-环境设置 - 第二节：实操讲解-总体稳定性例子 - 第二节：实操讲解-模型有效性说明