Alternatives and similar repositories for bank-churn-model

Users that are interested in bank-churn-model are comparing it to the libraries listed below

• lavender28 / Credit-Card-Score
  基于Python的申请信用评分卡模型分析
  ☆138Updated 6 years ago
• Roc-J / Loan_risk
  使用决策树进行客户流失预测分析
  ☆11Updated 7 years ago
• jiguang123 / Credit-Loans-of-Data-Analysis
  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
• sunwantong / China-Merchants-Bank-credit-card-Cente-User-purchase-forecast
  招商银行信用卡中心 消费金融场景下的用户购买预测 rank1
  ☆208Updated 6 years ago
• chizhu / AI_Risk
  马上消费金融挑战者大赛-违约用户风险预测--第三名方案
  ☆72Updated 5 years ago
• chenjian120918 / Anti-Fraud
  利用python进行反欺诈检测
  ☆34Updated 6 years ago
• LeronQ / score_logistic
  构建基于逻辑回归的评分卡模型
  ☆45Updated 6 years ago
• Designlotus / Anti-fraud-prediction-model
  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
• yanhan19940405 / Data_machine_learning
  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
• dengsiying / give-me-some-credit
  kaggle贷款违约预测
  ☆36Updated 6 years ago
• taenggu0309 / Scorecard--Assessment
  关于综合评价一个评分卡模型的方法总结（附代码）
  ☆74Updated 6 years ago
• huangxianyang / risk-model
  风险评分卡全流程建模
  ☆36Updated 4 years ago
• feidapeng / 2016CCF_StateGrid_UserProfile
  1st Place Solution for【2016CCF大数据竞赛 客户画像赛题（用户画像）】
  ☆347Updated 6 years ago
• chenkkkk / User-loan-risk-prediction
  马上AI全球挑战者大赛 rank 1st
  ☆254Updated 6 years ago
• hetrone / kesai-anti-fraud
  人工智能社会保险反欺诈分析
  ☆30Updated 6 years ago
• Questions1 / Rong360_2nd
  第三届融360天机智能金融算法挑战赛-第二题：特征挖掘
  ☆115Updated 6 years ago
• vinklibrary / ppd_mojing4
  第四届拍拍贷魔镜杯建模分享
  ☆35Updated 5 years ago
• PandasCute / Provide-Banks-with-precision-marketing-solutions-Provide-Banks-with-precision-marketing-solutions
  「二分类算法」提供银行精准营销解决方案 | 练习赛-0.93984283-【二分类，特征组】
  ☆3Updated 5 years ago
• jiangzhongkai / CCF-2018-TeleCOM
  CCF2018 数据挖掘 机器学习 智能匹配 特征工程
  ☆48Updated 5 years ago
• manderous / TextClassification-MeiTuan-FeatureExtraction-Classifier
  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）。
  ☆93Updated 6 years ago
• wenwen116 / airbnb
  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
• zle1992 / 2016-ccf-data-mining-competition
  text classfication 大数据精准营销中搜狗用户画像挖掘 rank61/880
  ☆62Updated 7 years ago
• taenggu0309 / PPD-Modeling-Competition
  拍拍贷"魔镜杯"风控算法比赛实战
  ☆55Updated 6 years ago
• lovemyfat / creditCard
  拍拍贷风控评分卡
  ☆21Updated 6 years ago
• YijunRan / Terminal-Changes-Prediction
  基于某城市移动终端用户的运营商数据预测未来三月内用户是否会终端变迁(用户从当前使用的手机品牌更换为其他手机品牌)。应用xgboost算法和随机森林算法组合成多学习器预测模型。
  ☆52Updated 8 years ago
• fuqiuai / sklearn-feature-engineering
  使用sklearn做特征工程
  ☆172Updated 6 years ago
• finafily526 / A_Model_of_Risk_Control
  关于评分卡的基本流程
  ☆68Updated 5 years ago
• SimonWang00 / recommender
  基于RFM和决策树模型构建专家推荐系统。融合了RFM模型和决策树模型，结合专业运营人员的业务经营，发掘潜在用户，进行推荐营销召回。
  ☆88Updated last year
• IngramWang / BDCI2017
  2017年CCF大数据与计算智能大赛-小超市供销存管理优化
  ☆23Updated 7 years ago
• lau404 / Bank-Marketing
  分析银行营销活动数据以预测客户有多大可能购买存款产品
  ☆12Updated 5 years ago