Biedlin / Titanic84
Kaggle:入门赛Tatanic（泰坦尼克号）84.21%带你冲进前2%
☆48Updated 6 years ago
Related projects ⓘ
Alternatives and complementary repositories for Titanic84
- 某电商手机评论的文本挖掘初体验 功能板块：数据预处理、LDA模型获取特征词、情感极性判断与程度计算、回归模型预测销量排序☆112Updated 5 years ago
- 2019年CCF智能信用评分大赛个人源码库。包含XGboost模型调参，特征筛选，训练等方案。同时包含stacking模型融合方案☆27Updated 4 years ago
- 该工程是利用python3.6进行“特征提取+分类器”来实现美团评论的文本二分类问题。在特征提取部分提取了6种特征，分类器选择了python里面的包xgboost和lightGBM分别实现提升树和GBDT（梯度提升决策树）。☆89Updated 5 years ago
- Python实现经典分类回归、关联分析、聚类以及推荐算法等☆205Updated 5 years ago
- 构建基于逻辑回归的评分卡模型☆43Updated 5 years ago
- 基于真实业务上手数据挖掘（银行流失预警）:数据的处理、LightGBM、skLearning包(里面含有：GridSearchCV寻找最优参、StratifiedKFold分层5折切分、_test_Split单次数据切分等)、叠层模型融合、画AUC图、画混淆矩阵图，并输出预…☆87Updated 2 years ago
- 使用sklearn做特征工程☆168Updated 6 years ago
- 银行客户流失预警模型☆42Updated 6 years ago
- 机器学习、深度学习、NLP实战项目☆134Updated 6 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
- 近年来，随着微信、微博、市长信箱、阳光热线等网络问政平台逐步成为政府了解民意、汇聚民智、凝聚民气的重要渠道，各类社情民意相关的文本数据量不断攀升，给以往主要依靠人工来进行留言划分和热点整理的相关部门的工作带来了极大挑战。同时，随着大数据技术的发展，建立基于自然语言处理技术的…☆30Updated 4 years ago
- 京东评论情感分析模型，主要包括1、数据获取及探索性分析；2、文本预处理、文本分词、文本向量化、特征提取、☆75Updated 5 years ago
- 基于Python的申请信用评分卡模型分析☆134Updated 6 years ago
- 房价预测完整项目：1.爬取链家网数据 2.处理后，用sklearn中几个逻辑回归机器学习模型和keras神经网络搭建模型预测房价 最终结果神经网络效果更好，R^2值0.75左右☆222Updated 5 years ago
- 文本分类-文本挖掘-情感分析-文本生成实战☆14Updated last year
- 一些机器学习算法的demo。普通最小二乘法，决策树（Iris鸢尾花数据集），KNN（mnist手写数字数据集），朴素贝叶斯分类西瓜数据集，trec06c数据集垃圾邮件分类（spam），逻辑斯蒂回归，随机梯度下降SGD与全梯度下降的对比，mnist中8和9的二分类，泰坦尼克号…☆169Updated 6 years ago
- 马上消费金融挑战者大赛-违约用户风险预测--第三名方案☆68Updated 4 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
- 使用决策树进行客户流失预测分析☆10Updated 6 years ago
- 阿里天池与Datawhale联合举办二手车价格预测比赛：优胜奖方案代码总结☆102Updated last year
- 菜鸟-需求预测与分仓规划☆20Updated 7 years ago
- [Data Castle 算法竞赛] 精品旅行服务成单预测 final rank 11☆93Updated 6 years ago
- 🤖机器学习实战🤖：决策树、随机森林线性回归、逻辑回归、贝叶斯、kNN等☆25Updated 5 years ago
- 基于深度学习（LSTM）的情感分析（京东商城数据）☆154Updated 4 years ago
- 以京东评论作为数据集，使用常见的机器学习算法如KNN、SVM、逻辑回归、贝叶斯、xgboost等等算法进行分类。使用深度学习中的CNN、RNN、CNN和RNN连接、Bi-GRU、bert模型进行分类。使用fastnlp的框架搭建文本分类。☆30Updated 4 years ago
- CCF2018 数据挖掘 机器学习 智能匹配 特征工程☆47Updated 5 years ago
- 机器学习实践：贷款违约预测☆33Updated 5 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。☆26Updated 4 years ago
- 数据挖掘的相关案例和demo☆43Updated 6 years ago
- Python中文文本挖掘：使用机器学习方法进行情感分析。☆104Updated 6 years ago