wbxing / rentPrediction
关于租金预测的一个机器学习比赛项目，XGBoost调优
☆11Updated 5 years ago
Alternatives and similar repositories for rentPrediction:
Users that are interested in rentPrediction are comparing it to the libraries listed below
- 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 4 years ago
- 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
- 机器学习的特征工程，包括特征抽取、特征预处理、特征选择、特征降维。☆25Updated 6 years ago
- 构建基于逻辑回归的评分卡模型☆44Updated 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☆70Updated 4 years ago
- 这个notebook是根据去年o2o比赛冠军的代码（https://github.com/wepe/O2O-Coupon-Usage-Forecast）整理注释的，使用notebook（安装了插件方便整理）,加了一些自己的注释，调了bug，实测可以跑通。用xgboost应该…☆12Updated 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☆21Updated 3 years ago
- 🤖机器学习实战🤖：决策树、随机森林线性回归、逻辑回归、贝叶斯、kNN等☆26Updated 5 years ago
- 基于Python的申请信用评分卡模型分析☆137Updated 6 years ago
- kaggle贷款违约预测☆35Updated 6 years ago
- 机器学习实践：贷款违约预测☆37Updated 5 years ago
- 西南财经大学“新网银行杯”数据科学竞赛 2/721☆32Updated 6 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。☆28Updated 4 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☆41Updated 6 years ago
- 比赛常用的特征工程、类别不平衡处理方法☆16Updated 6 years ago
- 第三届“融360”天机智能算法挑战赛中“拒绝推断”赛题--复赛第四名的代码分享☆11Updated 5 years ago
- 利用Logistic回归实现信用卡欺诈检测☆47Updated 3 years ago
- 2019厦门国际银行“数创金融杯”数据建模大赛☆25Updated 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…☆49Updated 4 years ago
- 逻辑回归预测违约可能☆32Updated 7 years ago
- 银行客户流失预警模型☆43Updated 7 years ago
- 使用决策树进行客户流失预测分析☆10Updated 7 years ago
- 马上AI全球挑战赛-违约用户风险预测 top2-solution☆17Updated 6 years ago
- 2019厦门国际银行“数创金融杯”数据建模大赛-top2☆26Updated 4 years ago
- 招商银行信用卡中心 消费金融场景下的用户购买预测 rank1☆206Updated 6 years ago
- 用 jupyter notebook做的一些机器学习项目☆80Updated 5 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。☆36Updated 6 years ago
- 2020翼支付风险用户识别 初赛、复赛AB榜Rank1☆57Updated 4 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