tjhznb666 / Predicting-future-customer-credit-risk-based-on-machine-learning-algorithm
利用python对3000个数据利用机器学习算法建立模型,并预测未来客户信用风险。处理数据不均衡问题时采用了SMOTE过采样以及随机过采样技术;通过相关性分析进行特征选择;建模过程中用到了Logistic回归、SVM、随机森林、GBDT四种模型,并通过网格搜索法确定最优参数;利用准确率、KS值、ROC曲线、AUC值以及lift曲线进行模型评估。
☆26Updated 2 years ago
Related projects ⓘ
Alternatives and complementary repositories for Predicting-future-customer-credit-risk-based-on-machine-learning-algorithm
- 常见的数据预处理,包括数据加载、缺失值&异常值处理、描述性变量转换为数值型、训练测试集划分 、数据规范化☆36Updated last year
- 通过聚类分析交易流水检测异常交易☆20Updated last year
- 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
- 机器学习预测系统汇总:包括贝叶斯网络、马尔科夫模型、线性回归、岭回归、多项式回归、决策树回归、深度神经网络预测☆62Updated 4 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 2 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
- 2019年北京高校数学建模校际联赛B题的模型代码:NLP情感分析+改进熵值法+改进灰色关联度分析☆24Updated 10 months 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。☆33Updated 5 years ago
- Python 建立的BP神经网络处理预测相关公交线路数据☆36Updated 7 years ago
- 不同时间序列预测方法对上海旅游规模进行预测☆16Updated 5 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☆49Updated 4 years ago
- 机器学习实践:贷款违约预测☆33Updated 5 years ago
- 数据预处理过程(属性选择, 异常值处理, 归一化, 标准化等)☆57Updated 4 years ago
- 天池河北高校邀请赛-二手车交易价格预测-第一季22名/第二季-20名☆8Updated 3 years ago
- kaggle贷款违约预测☆35Updated 6 years ago
- 基于粒子群算法的神经网络优化股票价格预测☆31Updated 4 years ago
- 某电商手机评论的文本挖掘初体验 功能板块:数据预处理、LDA模型获取特征词、情感极性判断与程度计算、回归模型预测销量排序☆112Updated 5 years ago
- Kaggle:入门赛Tatanic(泰坦尼克号)84.21%带你冲进前2%☆48Updated 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☆53Updated 7 years ago
- [大数据课程作业]分别采用神经网络、线性回归、SVM方法预测学生成绩☆45Updated 5 years ago
- 2019泰迪杯B题,利用Adaboost模型对A股市场进行预测☆44Updated 5 years ago
- Python金融大数据风控建模实战:基于机器学习源代码☆65Updated 3 years ago
- 利用爬虫获取58同城的二手房信息,选取特征并对数 据进行预处理,利用机器学习算法给出不同地段的租房推荐。☆14Updated 5 years ago
- 常用的特征选择方法☆68Updated 2 years ago
- 分别用K均值K_means和模糊C均值FCM算法对Iris鸢尾花数据集聚类以及图像聚类分割☆20Updated 2 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
- 机器学习大作业支撑代码:SVM、随机森林、深度学习☆11Updated 4 years ago
- 零基础入门金融风控-贷款违约预测 TOP11☆37Updated 3 years ago
- 模型优化调参---网格搜索(五折交叉验证)☆11Updated 5 years ago
- 使用sklearn做特征工程☆167Updated 6 years ago