dengsiying / give-me-some-credit
kaggle贷款违约预测
☆35Updated 6 years ago
Related projects: ⓘ
- 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☆66Updated 6 years ago
- 机器学习实践：贷款违约预测☆33Updated 5 years ago
- 构建基于逻辑回归的评分卡模型☆43Updated 5 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 4 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 3 years ago
- 智能风控 python金融风险管理与评分卡 建模 数据和代码☆17Updated 2 years ago
- 利用Logistic回归实现信用卡欺诈检测☆44Updated 3 years ago
- 使用决策树进行客户流失预测分析☆10Updated 6 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☆38Updated 5 years ago
- 基于Python的申请信用评分卡模型分析☆131Updated 5 years ago
- ☆113Updated this week
- 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…☆53Updated 2 years ago
- 人工智能社会保险反欺诈分析☆30Updated 6 years ago
- 数据分析与处理实践 （包括：#基本数据预处理操作；#机器学习基本算法实现。)☆17Updated 6 years ago
- 数据挖掘大作业， 东野圭吾小说集文本挖掘☆62Updated 7 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。☆54Updated 8 years ago
- Kaggle:入门赛Tatanic（泰坦尼克号）84.21%带你冲进前2%☆47Updated 6 years ago
- 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%…☆37Updated 3 years ago
- 大家好，我是coggle开源小组成员 庐州小火锅，这篇文章将会介绍天池学习赛贷款违约预测的TOP6单模方案（具体介绍见我的csdn：），现附上比赛链接天池学习赛贷款违约预测.https://tianchi.aliyun.com/competition/entrance/53…☆47Updated 3 years ago
- 马上AI全球挑战赛-违约用户风险预测 top2-solution☆16Updated 6 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☆67Updated 4 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…☆51Updated 5 years ago
- 消费者人群画像-信用智能评估Top1☆19Updated 4 years ago
- 参加魔镜杯风控算法大赛编写的程序。比赛要求根据国内网络借贷行业的贷款风险数据，包括信用违约标签、借款人特征、借款人网络行为原始数据，评判用户预期违约率，建立用户信用评分模型，模型性能用AUC值评判。算法由GBDT模型、logistic模型构成。☆17Updated 5 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。☆26Updated 3 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☆113Updated 5 years ago
- Time Series Prediction, Stateful LSTM; 时间序列预测，洗发水销量/股票走势预测，有状态循环神经网络☆51Updated 7 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☆218Updated 5 years ago
- CCF2018 数据挖掘 机器学习 智能匹配 特征工程☆47Updated 4 years ago
- Python实现经典分类回归、关联分析、聚类以及推荐算法等☆202Updated 5 years ago