Alternatives and similar repositories for data-analysis:

Users that are interested in data-analysis are comparing it to the libraries listed below

• 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 4 years ago
• aflyingpig0226 / feature-engineering
  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 5 years ago
• LeronQ / score_logistic
  构建基于逻辑回归的评分卡模型
  ☆43Updated 6 years ago
• OneStepAndTwoSteps / Data_Analysis_notes
  📖 Machine learning algorithms and deep learning algorithms
  ☆26Updated last year
• weijinqian0 / feature_eda
  整理所有特征工程用到的方法，为了复用
  ☆10Updated 4 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
  ☆41Updated 5 years ago
• edu2act / course-decision-tree
  Python与机器学习方向，《决策树与集成算法》课程仓库
  ☆24Updated 6 years ago
• data-infra / keras
  深度学习库keras的教程和案例demo
  ☆44Updated 6 years ago
• NemoHoHaloAi / Competition
  竞赛项目集合：Rossmann销售预测(Top3%)、HousePrices(Top34%)、数字识别(Top78%)、泰坦尼克(Top83%)、能源预测③(Top36%)、未来价格预测(Top37%)、NFL大数据碗(Top61%)、厄瓜多尔连锁超市销售预测(Top48%…
  ☆39Updated 4 years ago
• hetrone / kesai-anti-fraud
  人工智能社会保险反欺诈分析
  ☆30Updated 6 years ago
• 1superman / risk_model_report
  风控建模评分报告
  ☆11Updated 4 years ago
• kikizxd / Class-imbalanced__Credit-Card-Fraud
  分类类别不平衡，解决办法：采样(SMOTE和算法集成技术等)、阈值移动、调整代价或权重，附带信用卡诈骗案例
  ☆21Updated 5 years ago
• XueRenJing / AugustBetty1.0.2
  评分卡 逻辑回归 最优分组 金融风控 信用等级 屁屁和铭仔的数据之路 AugustBetty
  ☆11Updated 3 years ago
• lotbear / Python-Financial-investment-strategy
  作者：张君颖，个人项目作品展：https://lotbear.com
  ☆31Updated 3 years ago
• luckyerdog / feature_select
  在sklearn下，几种常用的特征选择方法
  ☆40Updated 8 years ago
• CcIsHandsome / kaggle
  Kaggle 项目实战（教程） = 文档 + 代码 + 视频（欢迎参与）
  ☆10Updated 5 years ago
• fanzhihai / Financial-fraud-prediction
  金融反欺诈模型
  ☆27Updated 6 years ago
• shenxiangzhuang / bank-competition
  2019厦门国际银行“数创金融杯”数据建模大赛
  ☆25Updated 3 years ago
• journeyH / debtDefaultResearch
  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…
  ☆53Updated 5 years ago
• ben1234560 / DataMiningCase
  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…
  ☆92Updated 2 years ago
• appke / Los-House-Prices
  洛杉矶房价预测
  ☆18Updated 4 years ago
• rogeroyer / AI-challenger-contest
  马上AI全球挑战赛-违约用户风险预测 top2-solution
  ☆17Updated 6 years ago
• weepon / feature_selection
  常用的特征选择方法
  ☆68Updated 2 years ago
• yzkang / QH_FInSight
  国内首个迁移学习赛题 中国平安前海征信“好信杯”迁移学习大数据算法大赛 FInSight团队作品(算法方案排名第三)
  ☆86Updated 6 years ago
• SailingHe / Automatic-scorecard-model
  评分卡建模自动化流程
  ☆18Updated 4 years ago
• Modo0202 / IntelligentRiskControl
  智能风控 python金融风险管理与评分卡建模 数据和代码
  ☆21Updated 3 years ago
• ZGLee96 / gbdt_var
  根据GBDT衍生变量，并对衍生后的变量进行应用
  ☆21Updated 4 years ago