dengsiying / give-me-some-credit
kaggle贷款违约预测
☆36Updated 6 years ago
Alternatives and similar repositories for give-me-some-credit:
Users that are interested in give-me-some-credit are comparing it to the libraries listed below
- 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
- 机器学习实践：贷款违约预测☆37Updated 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 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
- 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
- 构建基于逻辑回归的评分卡模型☆44Updated 6 years ago
- 基于Python的申请信用评分卡模型分析☆137Updated 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
- 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
- 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…☆54Updated 6 years ago
- 使用决策树进行客户流失预测分析☆11Updated 7 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…☆68Updated 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☆114Updated 6 years ago
- 利用Logistic回归实现信用卡欺诈检测☆47Updated 3 years ago
- 智能风控:原理、算法与工程实践 代码☆77Updated 4 years ago
- Python金融大数据风控建模实战：基于机器学习源代码☆77Updated 3 years ago
- Python实现经典分类回归、关联分析、聚类以及推荐算法等☆212Updated 6 years ago
- 银行客户流失预警模型☆44Updated 7 years ago
- 用python实现SVM/AdaBoost/C4.5/CART/Naïve Bayes等数据挖掘领域十大经典算法☆79Updated 7 years ago
- 智慧物流算法大赛简介： 根据包括货值、路程和油价等字段的数据集，对每趟货物运送的运价进行回归预测。 本项目为我的参赛代码，分为四个主要的部分：1.数据预处理；2.特征工程；3.建模调参训练；4.数据可视化。 最终获得了大赛的二等奖。☆37Updated 6 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☆58Updated 7 years ago
- 通过聚类分析交易流水检测异常交易☆19Updated last year
- 数据分析，挖掘建模。☆207Updated 3 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。☆29Updated 4 years ago
- 马上AI全球挑战赛-违约用户风险预测 top2-solution☆17Updated 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
- 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
- 使用sklearn做特征工程☆172Updated 6 years ago
- Kaggle:入门赛Tatanic（泰坦尼克号）84.21%带你冲进前2%☆52Updated 6 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…☆49Updated 4 years ago