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 ...

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 ...

一、赛题数据 数据大家可以到官网去下载：https://tianchi.aliyun.com/competition/entrance/531830/information需要报名后才可以下载数据 赛题以预测用户贷款是否违约为任务，数据集报名后可见并可下载，该数据来自某信贷平台的贷款记录，总数 ...

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 ...

*特征工程是一个复杂活，本人认为它一般包括以下几个过程：特征初筛、特征衍生(加工)、特征选择； 特征筛选是一个精细活，需要考虑很多因素，比如：预测能力、相关性、稳定性、合规性、业务可解释性等等。 案例实践代码：https://github.com/iihcy/Credit_ACard 从广义 ...

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 ...

本系列是针对于DataWhale学习小组的笔记，从一个对统计学和机器学习理论基础薄弱的初学者角度出发，在小组学习资料和其他网络资源的基础上，对知识进行总结和整理，今后有了新的理解可能还会不断完善。由于 ...

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 ...