Python机器学习：数据分析与评分卡建模（微课版）

作品简介

本书在Python数据分析与建模方面，既是一本入门书，也是一本提高书，它提炼总结了作者从Python小白到Python建模工程师的历程。如果读者有志于数据分析、建模领域，那么它一定会带给读者惊喜。书中代码具有很高的可移植性，可供读者直接使用。全书共分为8章，从Python的环境搭建到基本语法结构，从趣味应用到分析与建模，最后以社交网络分析结束。本书附有教学视频、源代码、课件等配套资源，适用于银行业或互联网金融行业中的风控人员，金融行业中的数据分析师（或想转行数据分析师的学习者），以及正在学习机器学习的从业人员。

翟锟，胡锋，周晓然编著

作品目录

• 内容简介
• 前言
• 第1章　Python开发环境搭建
• 1.1　利器1：Notepad编辑器
• 1.2　利器2：Anaconda
• 1.3　利器3：Miniconda
• 1.4　利器4：PyCharm IDE工具
• 1.5　利器5：Spyder
• 1.6　利器6：Jupyter Notebook
• 1.7　小结
• 第2章　Python数据类型用法讲解
• 2.1　变量
• 2.2　字符串
• 2.3　列表list
• 2.4　集合set
• 2.5　字典dictionary
• 2.6　函数
• 2.7　小结
• 第3章　Python下的实际应用
• 3.1 Python连接MySQL数据库
• 3.2 Python连接MongoDB数据库
• 3.3　结巴分词和词云图
• 3.4　简单社交网络
• 3.5 JSON解析
• 3.6 OCR文字识别
• 3.7 pyecharts
• 3.8 stats简单统计分析
• 3.9　小结
• 第4章　异常样本识别
• 4.1　逻辑回归、交叉验证与欠采样
• 4.2　基于分布的异常样本识别
• 4.3　小结
• 第5章　自然语言处理案例——电商评论
• 5.1　数据加载与预处理
• 5.2　数据可视化
• 5.3　文本分析
• 5.4　情感分析
• 5.5　文本分类
• 5.6　小结
• 第6章　模型融合
• 6.1　分类模型的融合方法
• 6.2　回归模型的融合方法
• 6.3　小结
• 第7章　创建金融申请评分卡
• 7.1　变量选择
• 7.2　各变量按照ln（odds）进行分箱
• 7.3　计算WOE与IV值
• 7.4　逻辑回归建模
• 7.5　创建评分卡
• 7.6　申请评分卡的评价、使用与监控
• 7.7　小结
• 第8章　社交网络分析禹反欺诈
• 8.1 Neo4j的下载与安装
• 8.2　图形界面介绍
• 8.3 Cypher语言
• 8.4 Neo4j案例1——《天龙八部》的人物关系分析
• 8.5 Neo4j案例2——金融场景中的社交网络分析
• 8.6 Py2neo
• 8.7　小结
• 参考文献
• 附录A　PyCharm安装步骤
• 附录B　MyCQL安装步骤
• 附录C　MongDB安装步骤
• 附录D　Neo4j安装步骤
• 附录E　jdk安装步骤
• 附录F　第三方包安装步骤