金融风控机器学习第三十三天---拜师课堂 聚类

最新推荐文章于 2024-04-05 11:16:04 发布
最新推荐文章于 2024-04-05 11:16:04 发布
阅读量290 收藏 1
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43711399/article/details/105108093
版权

聚类是一种无监督学习任务。
聚类的结果应该满足：“簇内相似度”高且“簇间相似度”低

原型聚类：k均值算法(k-means)、高斯混合聚类算法.
原型聚类算法假设聚类结构能够通过一组原型刻画，是最为常用的方法.此类算法首先初始化原型，然后对原型进行迭代更新求解。

密度聚类：DBSCAN
密度聚类假设聚类结构能够通过样本分布的紧密程度确定.此类算法从样本密度的角度出发来考察样本之间的可连接性，并基于可连接样本不断扩展聚类簇来获得最终的结果.

在这里插入图片描述
对初始值比较敏感 可以使用kmeans++
在这里插入图片描述

最好的衡量指标
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

晨钟暮鼓.安之若素
关注
[Python从零到壹] 十三.机器学习之聚类算法四万字总结全网首发（K-Means、BIRCH、树状聚类、MeanShift）
杨秀璋的专栏
07-06 1万+
欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍，看看Python这个有趣的世界。所有文章都将结合案例、代码和作者的经验讲解，真心想把自己近十年的编程经验分享给大家，希望对您有所帮助，文章中不足之处也请海涵。Python系列整体框架包括基础语法10篇、网络爬虫30篇、可视化分析10篇、机器学习20篇、大数据分析20篇、图像识别30篇、人工智能40篇、Python安全20篇、其他技巧10篇。您的关注、点赞和转发就是对秀璋最大的支持，知识无价人有情，希望
『工作』风控——无监督聚类和有监督聚类的思考
L聪记博客
11-18 6647
最近被调到了新的项目里的风控部，主要负责项目的交易行为的风控，也就是对客户的交易行为进行识别并进行反欺诈，使用的方法主要是数据挖掘里的聚类，未来可能还会使用到时间序列或其它方法，而我个人则希望有一天能够使用深度学习的方法。         由于项目尚未上线，所以目前主要是利用部分无标记的数据进行反欺诈模型的探索——模型预构建。而在探索的过程中，则发现了一些问题，主要是两大问题：一、使用无监督聚类
风控模型中的五大类聚类算法介绍
未来金科学院
01-05 1887
关注“金科应用研院”，回复“CSDN” 领取“风控资料合集” 聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。 聚类分析的一个重要用途就是针对目标群体进行多指标的群体划分。对目标群体的分类是为了精细化经营，个性化运营的基础和核心，只有进行了正确的分类，才可以有效进行个性化和精细化的运营，服务及产品支持等。 聚类分析的算法可以分为五类：划分方法、层次方法、基于密度方法、基于网格方法和基于模型方法。以下是常用聚类算法分类图： 一、划分法 原理：首先要确定一堆散点最后聚成几类，然后挑选
风控标签
secretx的专栏
01-24 2976
前文说了一套用户评分逻辑，对着基本能做出个demo来，但要想这套系统更精确的描述用户好坏，则需要一批充足的基础标签。 本文就是共享一些每家公司都可以做的标签。 1.IP相关 总的来说就是用户的请求来自一些已知的恶意IP，比如 代理IP登录、IDC IP登录、云商IP注册..... 总之格式 “{IP类型}{业务节点}”，至少可以搞十来个标签没问题吧 至于IP类型的知识，可以度娘，可以ip...
3分钟读懂互联网金融风控的应用场景及风控手段
周红伟讲AI
05-26 8273
 3分钟读懂互联网金融风控的应用场景及风控手段 招聘办女秘书2017-05-17 9:10:08大数据金融评论(0) 作者：伊莉 金融作为现代经济的核心，其风险的积累与爆发所形成的金融危机，已经成为引发经济危机的直接原因。2008年爆发的金融危机及随后发生的欧债危机，使得金融风险迅速成为人们关注的焦点。 随着互联网和通信技术的高速发展，互联网金融已经成为当前社会最热门
聚类
Suan2014的博客
08-31 586
PS:最近好懒，一丢丢都不想敲公式，所以本章就以核心思想及算法流程的思想来介绍了。 1 聚类任务 聚类是一种无监督的学习方式，试图将数据集中的样本划分为若干个通常是不相交的子集，每个子集称为一个“簇”（cluster）,每个簇可能对应于一些潜在的类别。 聚类过程仅能自动形成簇结构，簇所对应的概念语义需由使用者来把握和命名。 2 原型聚类 原型聚类假设聚类结构能通过一组原型刻画，在现实聚类
机器学习-数据预处理-聚类-回归-单车数据集
06-27
机器学习-数据预处理-聚类-回归-单车数据集
机器学习大作业-机器学习分类-回归-聚类算法项目源码（共八次高分作业项目）.zip
07-12
机器学习大作业-机器学习分类-回归-聚类算法项目源码（共八次高分作业项目）.zip 已获老师指导并通过的高分大作业设计项目，可作为期末大作业和课程设计，纯手打高分项目，小白实战没难度。 机器学习大作业-机器...
人工智能-机器学习-聚类算法-FCM模糊聚类-Python算法实现
12-18
人工智能_机器学习_聚类算法_FCM模糊聚类_Python实现
机器学习五-聚类算法K-means
最新发布
09-01
2. 熟练掌握K-means聚类算法与结果的展示，并代码实现，做一个2维或三维空间中的2~3类点（每个类有10个点）聚类实验，把聚类结果用不同的颜色与符号表示。 3. 实现人脸图像（取前2~3个人的人脸图像）聚类实验与旋转...
风控必学|肘部法与客户分群——客户画像中的聚类与特征画像分析
weixin_45545159的博客
06-06 2589
风控必学|肘部法与客户分群——客户画像中的聚类与特征画像分析
金融业信贷风控算法9-聚类场景之K均值聚类与K邻近聚类
只是甲的博客
08-17 1742
python 数据分析 机器学习 聚类 K均值 K近邻
KMeans 算法在金融领域的应用：风险控制与客户管理
程序员光剑
01-07 618
1.背景介绍 金融领域是大数据技术的一个重要应用领域，其中包括风险控制和客户管理等方面。K-Means 算法是一种常用的无监督学习算法，它可以用于对数据集进行聚类分析，从而帮助金融机构更好地理解其数据，并进行有效的风险控制和客户管理。 在本文中，我们将介绍 K-Means 算法在金融领域的应用，包括其核心概念、算法原理、具体操作步骤、数学模型公式、代码实例以及未来发展趋势与挑战。 2.核心概...
KMeans在金融风险管理中的应用
程序员光剑
04-05 1000
K-Means在金融风险管理中的应用 作者：禅与计算机程序设计艺术 1. 背景介绍 金融行业面临着各种风险,如信用风险、市场风险、操作风险等。有效的风险管理对于金融机构的稳健运营至关重要。随着大数据时代的到来,如何利用海量的金融数据进行风险识别和评估,成为了金融机构亟需解
K-Means（K-均值）聚类算法理论和实战
击水三千里的专栏
08-28 5277
对于 n 个样本点来说，根据距离公式（如欧式距离）去计算它们的远近，距离越近越相似。按照这样的规则，我们把它们划分到 K 个类别中，让每个类别中的样本点都是最相似的。
金融风控反欺诈之图算法
飞飞好奇的专栏
04-29 1万+
先介绍下金融借贷业务流程：用户前来申请借贷，会先经过欺诈识别，把欺诈团伙和主观欺诈的个人拒绝掉，然后对通过的人做信用评估，最后根据额度模型，算出利润最大化时放款金额。 刚才提到了团队欺诈，举个真实的例子。宜人贷在他们的财报中公布的，他们被一个团伙成功撸走了2000多单，当时宜人贷的件均4w， 一下损失了8000w！！ 那么如何防范这种风险呢。这就是今天要分享的图算法。图可以将这些一个个有良好记...
高斯混合模型知识与程序
alaclp的专栏
04-16 1164
漫谈 Clustering (3): Gaussian Mixture Model by pluskid, on 2009-02-02, in Machine Learning     96 comments 本文是“漫谈 Clustering 系列”中的第 4 篇，参见本系列的其他文章。 上一次我们谈到了用 k-means 进行聚类的方法，这次我们来说一下另一个很
聚类算法：kmeans及kmeans++讲解
rosefun96的博客
12-03 1万+
1、kmeanskmeans，就是在一堆数据中，随机找几个种子，计算其他点到那个种子的距离近； 然后，更新种子（把前一步划分好的类的中心点作为新的种子）； 迭代到种子的不改变为止。2、kmeans++因为，kmeans的初始种子的随机找的，这样，算法的收敛快慢与初始值关系非常大，于是，kmeans++ 主要针对初始值的选取进行改进。 初始值选取，如下：1、也是随机选取一个种子； 2、计算其他点到这
常见的六大聚类算法
热门推荐
诗蕊的专栏
03-01 31万+
1. K-Means(K均值)聚类 算法步骤： (1) 首先我们选择一些类/组，并随机初始化它们各自的中心点。中心点是与每个数据点向量长度相同的位置。这需要我们提前预知类的数量(即中心点的数量)。 (2) 计算每个数据点到中心点的距离，数据点距离哪个中心点最近就划分到哪一类中。 (3) 计算每一类中中心点作为新的中心点。 (4) 重复以上步骤，直到每一类中心在每次迭代后变化不大为止。也可...
Stanford机器学习：K-means聚类算法详解
"Stanford机器学习课程讲解聚类算法，特别是K-means聚类算法，以及非监督学习的基本概念。" 在机器学习领域，聚类算法是一种重要的非监督学习技术，它主要用于发现数据集中的内在结构和模式，而无需预先知道数据的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值