zmzhouXJTU / CreditCard_Fraud_Detection
利用Logistic回归实现信用卡欺诈检测
☆48Updated 3 years ago
Alternatives and similar repositories for CreditCard_Fraud_Detection:
Users that are interested in CreditCard_Fraud_Detection are comparing it to the libraries listed below
- kaggle贷款违约预测☆35Updated 6 years ago
- 使用决策树进行客户流失预测分析☆10Updated 7 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 5 years ago
- 机器学习实践:贷款违约预测☆36Updated 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 4 years ago
- 数据预处理之缺失值处理,特征选择☆21Updated 5 years ago
- 基于Python的申请信用评分卡模型分析☆134Updated 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
- 构建基于逻辑回归的评分卡模型☆44Updated 6 years ago
- 利用python进行反欺诈检测☆34Updated 6 years ago
- 人工智能社会保险反欺诈分析☆30Updated 6 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 5 years ago
- 整理记录本人担任课程助教设计的四个机器学习实验,主要涉及简单的线性回归、朴素贝叶斯分类器、支持向量机、CNN做文本分类。内附实验指导书、讲解PPT、参考代码,欢迎各位码友讨论交流。☆115Updated 6 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。☆53Updated 8 years ago
- Kaggle:入门赛Tatanic(泰坦尼克号)84.21%带你冲进前2%☆51Updated 6 years ago
- 在sklearn下,几种常用的特征选择方法☆40Updated 9 years ago
- Python实现经典分类回归、关联分析、聚类以及推荐算法等☆208Updated 5 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
- 大学生助学金精准资 助预测☆9Updated 8 years ago
- 天池-印象盐城-汽车销量预测大赛☆35Updated 6 years ago
- 使用sklearn做特征工程☆169Updated 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☆69Updated 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
- 竞赛项目集合:Rossmann销售预测(Top3%)、HousePrices(Top34%)、数字识别(Top78%)、泰坦尼克(Top83%)、能源预测③(Top36%)、未来价格预测(Top37%)、NFL大数据碗(Top61%)、厄瓜多尔连锁超市销售预测(Top48%…☆40Updated 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
- 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…☆64Updated 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☆54Updated 4 years ago
- 银行客户流失预警模型☆43Updated 6 years ago
- 利用python中的pandas,sklearn进行数据挖掘☆21Updated 8 years ago