Roc-J / Loan_riskLinks
使用决策树进行客户流失预测分析
☆11Updated 7 years ago
Alternatives and similar repositories for Loan_risk
Users that are interested in Loan_risk are comparing it to the libraries listed below
Sorting:
- 银行客户流失预警模型☆44Updated 7 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
- 基于Python的申请信用评分卡模型分析☆140Updated 6 years ago
- python金融风控评分卡模型和数据分析微专业课包含《python信用评分卡建模（附代码）》，《python风控建模实战lendingClub》，《金融现金贷用户数据分析和画像》三套课程系列，共计250节课左右，录制时间超过3年，定期更新。这套微专业课程是互联网上最全，最专…☆70Updated 3 years ago
- 利用Logistic回归实现信用卡欺诈检测☆48Updated 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。☆30Updated 4 years ago
- kaggle贷款违约预测☆36Updated 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☆239Updated 6 years ago
- 基于ARIMA时间序列的销量预测模型，实际预测准确率达90%以上，内含有测试记录和实际上线效果。☆104Updated 5 years ago
- 构建基于逻辑回归的评分卡模型☆45Updated 6 years ago
- 基于风控模型的银行客户信用风险评估☆16Updated 2 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…☆96Updated 3 years ago
- 使用k-means算法实现对用户金融数据的聚类分析☆11Updated 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 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☆22Updated 3 years ago
- 《python数据分析与挖掘实战》项目实践及拓展☆226Updated 6 years ago
- Data Analysis and Mining(数据分析与挖掘)☆332Updated 4 years ago
- 本次数据分析基于阿里云天池数据集（用户行为数据集），使用转化漏斗，AARRR模型，对常见电商分析指标，包括转化率，PV,UV,留存率，复购率等进行分析，分析过程中使用python进行数据清洗及可视化。☆30Updated 5 years ago
- 数据挖掘的相关案例和demo☆43Updated 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☆215Updated 6 years ago
- 使用sklearn做特征工程☆172Updated 6 years ago
- kaggle贷款违约预测 ：主要研究如何借助非平衡数据分类的思想对银行等金融机构的历史贷款数据进行分析，并基于随机森林分类模型预测贷款违约的可能性☆20Updated 6 years ago
- 信贷逾期用户画像分析☆33Updated 5 years ago
- 2020 招商银行FinTech 数据赛道 rank10☆115Updated 5 years ago
- Python金融大数据风控建模实战：基于机器学习源代码☆81Updated 3 years ago
- 用 jupyter notebook做的一些机器学习项目☆86Updated 5 years ago
- 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☆122Updated 6 years ago
- 对截止至2017年7月17日的债券违约事件进行梳理归因，并寻找宏观流动性影响因素，组成数据集。运用Lasso回归进行特征提取后，输入带L2惩罚项LR、SVM、NN、GBDT、RF等机器学习模型进行违约预测，得出GBDT预测效果最好以及特征工程对线性模 型预测效果具有重要性的结…☆57Updated 6 years ago
- 1st Place Solution for【2016CCF大数据竞赛 客户画像赛题（用户画像）】☆348Updated 6 years ago
- python数据分析与数据挖掘实例☆62Updated last year