模型融合 5.1 学习目标 将之前建模调参的结果进行模型融合。 尝试多种融合方案，提交融合结果并打卡。（模型融合一般用于A榜比赛的尾声和B榜比赛的全程） 5.2 内容介绍 模型融合是比赛后期上 ...

特征工程 项目地址：https://github.com/datawhalechina/team-learning-data-mining/tree/master/FinancialRiskControl 3.1 学习目标 学习特征预处理、缺失值、异常值处理、数据分桶等特征处理方法 ...

要求 根据贷款申请人的数据信息预测其是否有违约的可能，以此判断是否通过此项贷款。 数据概况 总数据量超过120w，包含47列变量信息，其中15列为匿名变量。从中抽取80万条作为训练集，20万条作为测试集A，20万条作为测试集B，同时对employmentTitle、purpose ...

建模与调参 4.1 学习目标 学习在金融分控领域常用的机器学习模型 学习机器学习模型的建模过程与调参流程 4.2 内容介绍 逻辑回归模型： 理解逻辑回归模型； 逻辑回归模型的应用； 逻辑回归的优缺点； 树模型 ...

零基础入门金融风控-贷款违约预测 Task02 探索性数据分析 Task02目的: 熟悉整体数据集的基本情况,异常值,缺失值等, 判断数据集是否可以进行接下来的机器学习或者深度学习建模. 了解变量间的项目关系/变量与预测值之间的存在关系 为特征工程作准备 准备数据 ...

思路 赛题内容理解 比赛目标及数据 本场比赛的目标属于典型的分类问题，即依靠某信贷平台提供的超 ...

文章目录 1、明确需求和目的 现代社会，越来越多的人使用信用卡进行消费，大部分人使用信用卡之后会按时还款，但仍然有少部分人不能在约定时间进行还款，这大大的增加了银行或者金融机构的风险。 本文以某金融机构的历史数据进行建模分析，对客户的还款能力进行评估，以预测新客户 ...

md 零基础入门金融风控-贷款违约预测 Task03 特征工程 Task03目的: 学习特征预处理/缺失值处理/异常值处理/数据分桶等特征处理方法 学习特征交互/特征编码/特征选择的相应方法 0.0 导包 0.1 公共变量 0.2 数据读取pandas ...