金融风控训练营赛题理解(task 4 建模与调参)学习笔记

本学习笔记为阿里云天池龙珠计划Docker训练营的学习内容，学习链接为：https://github.com/datawhalechina/team-learning-data-mining/tree/master/FinancialRiskControl

学习目标

• 学习在金融分控领域常用的机器学习模型
• 学习机器学习模型的建模过程与调参流程

一、学习知识概要

• 逻辑回归模型：

  • 理解逻辑回归模型；
  • 逻辑回归模型的应用；
  • 逻辑回归的优缺点；

• 树模型：

  • 理解树模型；
  • 树模型的应用；
  • 树模型的优缺点；

• 集成模型

  • 基于bagging思想的集成模型
    • 随机森林模型
  • 基于boosting思想的集成模型
    • XGBoost模型
    • LightGBM模型
    • CatBoost模型

• 模型对比与性能评估：

  • 回归模型/树模型/集成模型；
  • 模型评估方法；
  • 模型评价结果；

• 模型调参：

  • 贪心调参方法；

  • 网格调参方法；

  • 贝叶斯调参方法；

二、学习内容

由于相关算法原理篇幅较长，本文推荐了一些博客与教材供初学者们进行学习。

2.1 逻辑回归模型

https://blog.csdn.net/han_xiaoyang/article/details/49123419

2.2 决策树模型

https://blog.csdn.net/c406495762/article/details/76262487

2.3.1 随机森林模型(bagging思想)

http://www.itongji.cn/detail?type=1160

2.3.2 GBDT模型(boosting思想)

https://zhuanlan.zhihu.com/p/45145899

2.3.3 XGBoost模型

https://blog.csdn.net/wuzhongqiang/article/details/104854890

2.3.4 LightGBM模型

https://blog.csdn.net/wuzhongqiang/article/details/105350579

2.3.5 Catboost模型

https://mp.weixin.qq.com/s/xloTLr5NJBgBspMQtxPoFA</