quantbruce / load_default_predicition_CCF2021
2021年Datafoutain个贷违约预测比赛——试验记录
☆14Updated 2 years ago
Related projects ⓘ
Alternatives and complementary repositories for load_default_predicition_CCF2021
- 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…☆48Updated 3 years ago
- 2021科大讯飞-车辆贷款违约预测挑战赛 Top1方案☆68Updated 3 years ago
- 招商银行2022FinTech精英训练营☆28Updated 2 years ago
- 零基础入门金融风控-贷款违约预测 TOP11☆37Updated 4 years ago
- 2019厦门国际银行“数创金融杯”数据建模大赛☆25Updated 3 years ago
- 机器学习预测模型,分别用逻辑回归,决策树,随机森林,神经网络,XGBOOST和支持向量机算法建模,交叉验证,并选出AUC最优的模型。特征工程优化后,AUC值达到0.8259☆50Updated 4 years ago
- kaggle贷款违约预测☆35Updated 6 years ago
- 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…☆87Updated 2 years ago
- Z Lab数据实验室开源代码汇总☆198Updated 5 months ago
- 用 jupyter notebook做的一些机器学习项目☆73Updated 5 years ago
- 数据特征工程、各种机器学习回归模型、回归数据预处理☆38Updated 4 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
- 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。☆24Updated 5 years ago
- 本赛题旨在运用有效的金融科技和大数据系统,分析涉赌涉诈资金交易新方式,持续优化风险监测模型,通过赛题提供的涉赌涉诈黑名单、白名单及用于训练的相关交易流水数据集,构建涉赌涉诈账户算法识别模型,全面排查存量风险。A榜排名11/1594,B榜排名13/1594。☆41Updated last year
- 使用sklearn做特征工程☆168Updated 6 years ago
- Python金融大数据风控建模实战:基于机器学习源代码☆68Updated 3 years ago
- 阿里天池与Datawhale联合举办二手车价格预测比赛:优胜奖方案代码总结☆103Updated last year
- 2020厦门国际银行数创金融杯建模大赛Baseline☆9Updated 4 years ago
- 2020翼支付风险用户识别 初赛、复赛AB榜Rank1☆57Updated 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☆20Updated 3 years ago
- 使用决策树进行客户流失预测分析☆10Updated 6 years ago
- 2020 招商银行FinTech 数据赛道 rank10☆107Updated 4 years ago
- 构建基于逻辑回归的评分卡模型☆43Updated 5 years ago
- 基于pytorch进行文本多分类,主要模型为双向LSTM,预测准确率83%☆39Updated 4 years ago
- ChallengeHub开源的各大比赛baseline集合☆81Updated 2 years ago
- 华为digix 2021 赛题1☆28Updated 3 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 4 years ago
- 2020年第八届泰迪杯数据挖掘C题“智慧政务文本挖掘”特等奖作品(论文与代码)☆60Updated 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 4 years ago
- 当样本分布发生变化时,交叉验证无法准确评估模型在测试集上的效果,这时候需要其他构造验证集的方法来应对。☆49Updated 4 years ago