本标准规定了商业银行应用程序接口的类型与安全级别、安全设计、安全部署、安全集成、安全运维、服务终止与系统下线、安全管理等安全技术与安全保障要求。
本标准适用于商业银行对外互联的应用程序接口的设计和应用，以指导从事或参与商业银行应用程序接口服务的银行业金融机构、集成接口服务的应用方开展相关工作，并为第三方安全评估机构等单位开展安全检查与评估工作提供参考（接口类型关系详见附录A）。其他类型应用程序接口的设计和应用可参照本标准执行。
商业银行应用程序接口服务是一种依托API技术实现内部与外部互联的金融服务模式。商业银行通过为合作伙伴提供用以互联的应用程序接口，输出自身金融服务能力与信息技术能力，为增加金融生态黏性提供有益补充。外部机构能够通过互联网渠道，调用商业银行应用程序接口（外部API，详见附录A），获取商业银行提供的各类服务。
2022-04-06 00:17:20
1.62MB
1
在Hadoop大数据平台的基础上构建了一个基于MapReduce框架并行化的C4.5决策树算法，并采用此算法设计了一套银行贷款的风险预测系统。算法结合MapReduce框架、HDFS 文件存储系统，使用Java语言编写，根据贷款人的各个特征属性信息增益率来选择决策点。其中包含对连续值属性、离散值属性的处理，采用后剪枝悲观剪枝的方法对决策树进行剪枝，以避免决策树出现过拟合的特征。系统包含数据导入、数据分析、结果展示等模块，操作简单、快捷，能准确预测贷款人的信誉情况，平均准确率达到65%~80%，而且与传统的决策树模型相比在性能方面有更好的提升。
2022-04-04 22:33:10
70.54MB
1
leetcode题库Bank_Marketing_Using_Pyspark_And_Using_Data_Science_Libraries。
在
Databricks
上使用
Pyspark
处理银行营销数据集，并使用
Python
在
Google
Colab
上仅使用数据科学库。
关于存储库
该存储库包含
2
个文件
-
使用
Pyspark
实现的银行营销数据集和仅使用
Python
的数据科学库实现的其他文件。
在
Databricks
上使用
Pyspark
-
此存储库包含与银行营销数据集相关的项目。
我已经应用逻辑回归、决策树和随机森林来比较算法在不同参数（如准确度、精度、召回率和许多其他参数）方面的比较。
还使用
5
折交叉验证进行了超参数调整，以评估与这些算法对应的模型并评估不同的参数。
在
Google
Colab
上使用数据科学图书馆
-
总而言之，首先对数据进行清理和预处理。
然后我将不同的参数性能与目标变量进行了比较。
然后我应用了
6
种机器学习算法，比较了训练和测试的准确性，并为它绘制了
ROC
曲线。
6
种机器学习算法是：逻辑回归、随机森林、支持向
2022-04-02 23:02:23
2.42MB
1