chenjian120918 / Anti-Fraud
利用python进行反欺诈检测
☆34Updated 6 years ago
Alternatives and similar repositories for Anti-Fraud:
Users that are interested in Anti-Fraud are comparing it to the libraries listed below
- 人工智能社会保险反欺诈分析☆30Updated 6 years ago
- text classfication 大数据精准营销中搜狗用户画像挖掘 rank61/880☆62Updated 6 years ago
- 讯飞移动广告反欺诈算法竞赛☆34Updated 5 years ago
- 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
- 马上消费金融挑战者大赛-违约用户风险预测--第三名方案☆70Updated 4 years ago
- 京东借贷需求预测☆77Updated 7 years ago
- 2017 Global Data Challenge Hosted by JD Finance / JDD—2017京东金融全球数据探索者大赛 金融信贷需求预测☆78Updated 6 years ago
- 融360智能金融算法大赛——拒绝推断☆25Updated 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☆42Updated 6 years ago
- 根据GBDT衍生变量,并对衍生后的变量进行应用☆21Updated 5 years ago
- 金融反欺诈模型☆26Updated 7 years ago
- top1解决方案☆38Updated 6 years ago
- 练习题︱基于今日头条开源数据的文本挖掘☆83Updated 6 years ago
- 快手活跃用户预测——lctry队解决方案☆51Updated 6 years ago
- JDD-2017 京东金融大数据竞赛-销量预测-15th/889队☆37Updated 7 years ago
- 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
- 构建基于逻辑回归的评分卡模型☆44Updated 6 years ago
- 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)。☆90Updated 6 years ago
- 依据香港中文大学设计的规则系统,先用小样本评论建立初始关键词库,再结合18种句式逐条匹配评论,能够快速准确地识别评论对象及情感极性。经多次迭代优化关键词库后,达到较高准确率的基础上,使用Tableau进一步分析数据,识别出客户集中关注的商品属性、普遍好评差评的商品属性;通过…☆53Updated 7 years ago
- 京东金融赛登录风险识别(算法组)8th☆31Updated 7 years ago
- 招商银行信用卡中心校园大赛:消费金融场景下的用户购买预测 Rank 3rd☆70Updated 6 years ago
- DataCastle 大学生助学金精准资助预测(样本不均衡条件下的多分类任务)第7/352名解决方案☆12Updated 8 years ago
- 企业经营退出风险预测,二分类问题☆18Updated 6 years ago
- 2019厦门国际银行“数创金融杯”数据建模大赛 复赛第六☆19Updated 5 years ago
- 拍拍贷风控评分卡☆21Updated 6 years ago
- 2017“达观杯”个性化推荐算法挑战赛-rank6☆43Updated 5 years ago
- 这是本人第一次数据算法比赛实录。主要整理记录2017年CCF大数据与计算智能竞赛使用的模型和实现代码,选择了基于主题的文本情感分析赛题。采用情感词典+自定义规则完成比赛,成绩:136/796。☆49Updated 7 years ago
- 人工智能工程师直通车第三期 实战项目:广告点击率预测(CTR)。预测用户浏览给定网页的广告点击率,提高广告投放精准度。☆22Updated 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 4 years ago
- ☆37Updated 6 years ago