银行产品销售案例与决策树分类算法

课程目标:通过案例学习后,如果学生能够独立完成作业,学生将能达到以下预期目标:1. 能够将归纳一个金融问题的数据集;2. 数据的处理和标准化;3. 决策树分类模型的选择和应用;4. 用决策树模型进行预测; 5. 对决策树模型进行评估

24小时内答疑 课时永久观看 15分钟内无条件退款
1. 仅限付费视频课程适用
2. 购买后15分钟内可以找到客服进行沟通退款
3. 退款将返还至51CTO学院账户,不支持提现
4. 下载资料后不再享有退款特权
5. 客服(Tel:400-101-1651)
6. 最终解释权归51CTO所有
共4课时,共25分钟
现价¥29.00
购买
  1. 课程介绍
  2. 课程大纲
课程目标

通过案例学习后,如果学生能够独立完成作业,学生将能达到以下预期目标:1. 能够将归纳一个金融问题的数据集;2. 数据的处理和标准化;3. 决策树分类模型的选择和应用;4. 用决策树模型进行预测; 5. 对决策树模型进行评估

适用人群

学习金融学、数据、计算机的高校生、在职的基金经理、投研总监、专业投资者、金融分析师、量化分析

课程简介

案例数据集来源于UCI网站。案例是基于一家葡萄牙金融机构的电话销售数据。营销目标是确认客户是否愿意认购银行发行的一款定期储蓄产品。该数据集内包含41188条记录和20个特征变量,和1个分类变量。变量包括类别型,字母型,和数值型。 

  决策树分类算法是机器学习中的一个基础且非常重要的算法。它利用不纯度函数,比如,信息熵来度量信息。分类决策树利用特征变量的信息熵对数据进行划分。Python的优势在于开源,基于Python的各类机器学习算法非常丰富而且方便使用。我们将以银行产品销售案例数据集为一个点的同时,讨论决策树分类原理和Python算法并用他们来解决银行产品销售问题的预测分类。

本案例的特点是将银行产品销售的金融决策问题的解决方案与机器学习中的决策树算法进行结合,并利用Python设计一个自动分类算法来对案例数据集进行学习并辅助我们进行决策。这三者的结合就是智能金融在金融行业的一种经典应用。 

  学生通过本案例的学习将能够充分理解并在未来能够使用决策树算法和Python程序来解决一个具体金融决策问题。本案例中还将介绍数据预处理和变量工程概念,从而有助于掌握数据处理的方法和技巧。 

  学生将获得本案例的Python源代码。

1案例数据集分析 [免费试看]
05:44
2决策树算法原理
05:10
3Python中决策树模型
07:03
4案例的Python代码分析
07:37
讲师介绍
量化金融研究中心
讲师评分4.9分
量化金融研究中心为首都经济贸易大学教师和金融行业的从业人员自愿组成的学术团体,依托北京市金融发展促进中心
X
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载