案例数据集分析

项目简介：

  案例数据集来源于UCI网站。数据集中包含信用卡申请者的数据。为了保护个人的隐私，所有名字和数值都被修改成毫无意义的字符。数据集的记录总数为690条。共有15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，但存在缺失值。 

  贝叶斯分类算法是机器学习中的一个基础且非常重要的算法。它源于概率论中的贝叶斯决策公式，其将后验概率表示为先验概率和似然度的相乘。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。我们将以信用卡申请者的数据集为一个点同时讨论贝叶斯分类原理和Python算法并用他们来解决信用卡申请者的分类。

   学生可以获得案例的Python源代码。

项目特色：

  本案例的特点是将信用卡申请的金融决策问题的解决方案与机器学习中的贝叶斯算法进行结合，并利用Python设计一个机器人来对案例数据集进行学习后辅助我们进行决策。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贝叶斯算法和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，从而有助于学习数据处理的方法和技巧。 

项目优势：

1、结业后经审核成绩合格者，可获得量化金融研究中心（CQFC）发颁发结业证书；

2、通过结业考试者，北京大数据协会颁发证书；

3、成绩优异者可被推荐参见摩根士丹利IT部的岗位面试。

教学目标：

通过案例学习后，如果能够独立完成作业，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.贝叶斯分类模型的选择和应用；

4.用模型进行预测；

5.对模型进行评估

使用人群：

1.学习金融学、数据、计算机相关专业的高校生

2.在职的基金经理、投研总监、专业投资者、金融分析师、量化分析师及其他量化爱好者