yanqiangmiffy / Data-Finance-CupLinks
2019厦门国际银行“数创金融杯”数据建模大赛 复赛第六
☆19Updated 5 years ago
Alternatives and similar repositories for Data-Finance-Cup
Users that are interested in Data-Finance-Cup are comparing it to the libraries listed below
Sorting:
- 2019厦门国际银行“数创金融杯”数据建模大赛☆26Updated 4 years ago
- 2019厦门国际银行“数创金融杯”数据建模大赛-top2☆26Updated 5 years ago
- 2021科大讯飞-车辆贷款违约预测挑战赛 Top1方案☆70Updated 3 years ago
- 2020翼支付风险用户识别 初赛、复赛AB榜Rank1☆57Updated 4 years ago
- 企业经营退出风险预测,二分类问题☆18Updated 7 years ago
- 人工智能社会保险反欺诈分析☆30Updated 7 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☆116Updated 6 years ago
- 该工程是利用python3.6进行“特征提取+分类器”来实现美团评论的文本二分类问题。在特征提取部分提取了6种特征,分类器选择了python里面的包xgboost和lightGBM分别实现提升树和GBDT(梯度提升决策树)。☆94Updated 6 years ago
- 2019数字中国创新大赛 消费者人群画像 信用智能评分☆49Updated 4 years ago
- 讯飞移动广告反欺诈算法竞赛☆33Updated 5 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…☆55Updated 4 years ago
- 根据GBDT衍生变量,并对衍生后的变量进行应用☆21Updated 5 years ago
- 智能风控:原理、算法与工程实践 代码☆78Updated 5 years ago
- ☆45Updated 5 years ago
- 招商银行第二届fintech-财经新闻分析baseline(线上第1名)☆39Updated 7 years ago
- 基于Python的申请信用评分卡模型分析☆142Updated 6 years ago
- 零基础入门金融风控-贷款违约预测 TOP11☆40Updated 4 years ago
- DCIC2023 Fraud Risk Identification Competition Solution.☆25Updated 2 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☆75Updated 5 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
- top1-solution☆33Updated 5 years ago
- 2018年甜橙金融杯大数据建模大赛-初赛第四-复赛线上11-决赛9-复现top1解决方案-【二分类,风控】☆75Updated 5 years ago
- 基于知识图谱的金融资讯推荐☆50Updated 7 years ago
- 分别基于statsmodels和scikit-learn实现两种可用于sklearn pipeline的 LogisticRegression,并输出相应的报告☆20Updated 2 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
- 1st place solution for the AntaiCup-International-E-commerce-Artificial-Intelligence-Challenge☆190Updated 5 years ago
- 融360智能金融算法大赛——拒绝推断☆26Updated 6 years ago
- 参赛者需要根据给出的基金净值、基金业绩比较基准、对应指数行情、基金间相关性等数据,构建模型、算法进行训练。☆37Updated 6 years ago
- 2019年CCF大数据与计算智能大赛乘用车细分市场销量预测冠军解决方案☆260Updated 5 years ago
- 抽象来讲,机器学习问题是把数据转换成信息再提炼到知识的过程,特征是“数据-->信息”的过程,决定了结果的上限,而分类器是“信息-->知识”的过程,则是去逼近这个上限☆20Updated 2 weeks ago