ThinkingXuan / loan-risk-predictionLinks
💖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💖
☆21Updated 3 years ago
Alternatives and similar repositories for loan-risk-prediction
Users that are interested in loan-risk-prediction are comparing it to the libraries listed below
Sorting:
- 江苏银行“随e融”杯金融大数据建模挑战赛-一等奖☆9Updated 4 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。☆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☆22Updated 3 years ago
- 数据预处理之缺失值处理，特征选择☆21Updated 6 years ago
- 构建基于逻辑回归的评分卡模型☆45Updated 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
- 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☆43Updated 6 years ago
- 马上AI全球挑战赛-违约用户风险预测 top2-solution☆18Updated 7 years ago
- 使用决策树进行客户流失预测分析☆11Updated 7 years ago
- 常用的特征选择方法☆68Updated 2 years ago
- 数据特征工程、各种机器学习回归模型、回归数据预处理☆44Updated 5 years ago
- 基于遗传算法的特征选择☆128Updated 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☆33Updated 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
- 人工智能社会保险反欺诈分析☆30Updated 6 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☆56Updated 5 years ago
- 改进的k-prototypes聚类算法☆19Updated 4 years ago
- kaggle贷款违约预测☆36Updated 6 years ago
- kaggle: IEEE-CIS Fraud Detection☆31Updated 5 years ago
- 天池全国社会保险大数据应用+精准社保/天池精准社保第一赛季☆9Updated 7 years ago
- 2020 招商银行FinTech 数据赛道 rank10☆115Updated 5 years ago
- 2019厦门国际银行“数创金融杯”数据建模大赛☆25Updated 4 years ago
- 现有聚类算法面向高维稀疏数据多未考虑类簇可重叠和离群点的存在，导致聚类效果不理想。针对此，提出一种可重叠子空间K-Means聚类算法(An Overlapping Subspace K-Means Clustering Algorithm, OS-K-Means)。给出类簇…☆30Updated 5 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
- 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☆10Updated 4 years ago
- 使用遗传算法结合决策树做特征选择/Using genetic algorithm for feature selection with decision tree☆25Updated 7 years ago
- 利用python对3000个数据利用机器学习算法建立模型，并预测未来客户信用风险。处理数据不均衡问题时采用了SMOTE过采样以及随机过采样技术；通过相关性分析进行特征选择；建模过程中用到了Logistic回归、SVM、随机森林、GBDT四种模型，并通过网格搜索法确定最优参数…☆31Updated 3 years ago
- 基于风控模型的银行客户信用风险评估☆15Updated 2 years ago
- Python与机器学习方向，《决策树与集成算法》课程仓库☆25Updated 7 years ago
- 基于自构造函数的特征提取评分项目（缺失值处理，单变量相关性分析，特征评分，降维）☆15Updated 7 years ago