824024445 / KaggleCases
Kaggle classic case(Dataset and ipython file)
☆10Updated 5 years ago
Alternatives and similar repositories for KaggleCases:
Users that are interested in KaggleCases are comparing it to the libraries listed below
- 机器学习的特征工程,包括特征抽取、特征预处理、特征选择、特征降维。☆25Updated 6 years ago
- 智能风控 python金融风险管理与评分卡建模 数据和代码☆21Updated 3 years ago
- kaggle贷款违约预测☆35Updated 6 years ago
- 时间序列理论和案例实践☆70Updated 7 years ago
- 深度学习500问,以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述,以帮助自己及有需要的读者。 全书分为15个章节,近20万字。由于水平有限,书中不妥之处恳请广大读者批评指正。 未完待续............ 如有意合作,联系sc…☆28Updated 6 years ago
- Time Series Prediction, Stateful LSTM; 时间序列预测,洗发水销量/股票走势预测,有状态循环神经网络☆58Updated 7 years ago
- 2019天池大数据竞赛杭州市地铁流量流入流出预测 成绩27/2319 比赛地址https://tianchi.aliyun.com/competition/entrance/231708/introduction?spm=5176.12281957.1004.6.38b0…☆45Updated 5 years ago
- 构建基于逻辑回归的评分卡模型☆44Updated 6 years ago
- 💖基于机器学习的贷中风险预测模型--江苏银行“随e融”杯--二等奖💖☆20Updated 3 years ago
- 基于BP神经网络的高频金融时间序列分析 (毕设)☆47Updated 6 years ago
- 基于互联网金融平台2015年度贷款数据完成信贷违约预测模型,该模型可以作为信贷平台预测违约借款人的参考☆68Updated 6 years ago
- 利用时间序列预测汽车销量☆38Updated 6 years ago
- 机器学习实践:贷款违约预测☆37Updated 5 years ago
- 单维、多维时间序列数据预测☆11Updated 6 years ago
- 《Python预测之美:数据分析与算法实战》书籍代码维护☆66Updated 2 years ago
- 交易欺诈作为信用卡行业面临的主要贷后风险业务问题,每年都使信用卡行业遭受巨额损失。基于大数据机器学习开发出高效的交易欺诈识别模型一直是金融行业的主要挑战之一。本次大赛以此作为主题☆41Updated 6 years ago
- 城市交通流量时空预测---山东省数据应用(青岛)创新创业大赛。http://sdac.qingdao.gov.cn/common/cmptIndex.html☆35Updated 4 years ago
- 使用决策树进行客户流失预测分析☆11Updated 7 years ago
- 菜鸟-需求预测与分仓规划☆23Updated 7 years ago
- 拍拍贷金融风控--根据用户的特征,预测贷款人是否会逾期的一个二分类问题。☆19Updated 4 years ago
- 用 jupyter notebook做的一些机器学习项目☆80Updated 5 years ago
- 智能供应链分析,对顾客用rfm模型分类,用多种机器学习模型建模,进行欺诈订单预测,延迟发货预测,销售额预测,销售数量预测☆31Updated 4 years ago
- 数据预处理之缺失值处理,特征选择☆21Updated 5 years ago
- 如何使用ARIMA模型预测世界肺炎确诊人数?【时序数据预测】☆41Updated 4 years ago
- 天池智慧交通预测挑战赛 - 比赛经历分享☆16Updated 7 years ago
- 数据竞赛笔记fork☆67Updated last year
- 天池-印象盐城-汽车销量预测大赛☆36Updated 7 years ago
- CCF2018 数据挖掘 机器学习 智能匹配 特征工程☆48Updated 5 years ago
- 根据用户数据以及消费行为数据,使用Python建立分类模型,通过评估客户流失的风险来预测客户流转情况,找到对客户影响较大的因素,进而挽留客户☆9Updated 4 years ago
- 根据用户数据及消费行为数据,使用Python对客户进行聚类分群,并给出用户画像。通过数据,分析用户群体的核心特征。☆28Updated 4 years ago