Perry961002 / Forecast-Loan-Default
机器学习实践：贷款违约预测
☆33Updated 5 years ago
Related projects: ⓘ
- kaggle贷款违约预测☆35Updated 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☆66Updated 6 years ago
- 利用Logistic回归实现信用卡欺诈检测☆44Updated 3 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☆26Updated 5 years ago
- [大数据课程作业]分别采用神经网络、线性回归、SVM方法预测学生成绩☆45Updated 5 years ago
- 使用决策树实现预测人才招聘市场的最低薪酬预测 | C4.5分类 | CART回归 | 剪枝 | 随机森林☆19Updated 5 years ago
- 构建基于逻辑回归的评分卡模型☆43Updated 5 years ago
- Kaggle:入门赛Tatanic（泰坦尼克号）84.21%带你冲进前2%☆47Updated 6 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
- 使用决策树进行客户流失预测分析☆10Updated 6 years ago
- 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。☆21Updated 5 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☆218Updated 5 years ago
- 智能风控 python金融风险管理与评分卡建模 数据和代码☆17Updated 2 years ago
- 机器学习预测模型，分别用逻辑回归，决策树，随机森林，神经网络，XGBOOST和支持向量机算法建模，交叉验证，并选出AUC最优的模型。特征工程优化后，AUC值达到0.8259☆47Updated 4 years ago
- 统计分析课程实验作业/包含《统计分析方法》中因子分析，主成分分析，Kmeans聚类等典型算法的手写实现☆74Updated 4 years ago
- Sklearn机器学习中的主要算法原理以及实现(线性回归、逻辑回归、朴素贝叶斯、K-Means聚类、KNN、PCA主成分分析、BP神经网络)☆76Updated 4 years ago
- 利用sklearn实现机器学习算法：线性回归、逻辑回归、决策树、随机森林、SVM等☆124Updated 4 years ago
- 大家好，我是coggle开源小组成员 庐州小火锅，这篇文章将会介绍天池学习赛贷款违约预测的TOP6单模方案（具体介绍见我的csdn：），现附上比赛链接天池学习赛贷款违约预测.https://tianchi.aliyun.com/competition/entrance/53…☆47Updated 3 years ago
- 人工智能社会保险反欺诈分析☆30Updated 6 years ago
- Python与机器学习方向，《决策树与集成算法》课程仓库☆23Updated 6 years ago
- 参加魔镜杯风控算法大赛编写的程序。比赛要求根据国内网络借贷行业的贷款风险数据，包括信用违约标签、借款人特征、借款人网络行为原始数据，评判用户预期违约率，建立用户信用评分模型，模型性能用AUC值评判。算法由GBDT模型、logistic模型构成。☆17Updated 5 years ago
- 逻辑回归预测违约可能☆28Updated 7 years ago
- Python实现经典分类回归、关联分析、聚类以及推荐算法等☆202Updated 5 years ago
- 数据挖掘大作业， 东野圭吾小说集文本挖掘☆62Updated 7 years ago
- Some case of MeachineLearning and DataMining(一些机器学习与数据挖掘的实战案例)☆52Updated 4 years ago
- 整理记录本人担任课程助教设计的四个机器学习实验，主要涉及简单的线性回归、朴素贝叶斯分类器、支持向量机、CNN做文本分类。内附实验指导书、讲解PPT、参考代码，欢迎各位码友讨论交流。☆109Updated 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 3 years ago
- 用 jupyter notebook做的一些机器学习项目☆71Updated 4 years ago
- 常见的数据预处理，包括数据加载、缺失值&异常值处理、描述性变量转换为数值型、训练测试集划分、数据规范化☆33Updated last year
- 不同时间序列预测方法对上海旅游规模进行预测☆16Updated 5 years ago