模型融合 5.1 學習目標 將之前建模調參的結果進行模型融合。 嘗試多種融合方案，提交融合結果並打卡。（模型融合一般用於A榜比賽的尾聲和B榜比賽的全程） 5.2 內容介紹 模型融合是比賽后期上 ...

特征工程 項目地址：https://github.com/datawhalechina/team-learning-data-mining/tree/master/FinancialRiskControl 3.1 學習目標 學習特征預處理、缺失值、異常值處理、數據分桶等特征處理方法 ...

要求 根據貸款申請人的數據信息預測其是否有違約的可能，以此判斷是否通過此項貸款。 數據概況 總數據量超過120w，包含47列變量信息，其中15列為匿名變量。從中抽取80萬條作為訓練集，20萬條作為測試集A，20萬條作為測試集B，同時對employmentTitle、purpose ...

建模與調參 4.1 學習目標 學習在金融分控領域常用的機器學習模型 學習機器學習模型的建模過程與調參流程 4.2 內容介紹 邏輯回歸模型： 理解邏輯回歸模型； 邏輯回歸模型的應用； 邏輯回歸的優缺點； 樹模型 ...

零基礎入門金融風控-貸款違約預測 Task02 探索性數據分析 Task02目的: 熟悉整體數據集的基本情況,異常值,缺失值等, 判斷數據集是否可以進行接下來的機器學習或者深度學習建模. 了解變量間的項目關系/變量與預測值之間的存在關系 為特征工程作准備 准備數據 ...

思路 賽題內容理解 比賽目標及數據 本場比賽的目標屬於典型的分類問題，即依靠某信貸平台提供的超 ...

文章目錄 1、明確需求和目的 現代社會，越來越多的人使用信用卡進行消費，大部分人使用信用卡之后會按時還款，但仍然有少部分人不能在約定時間進行還款，這大大的增加了銀行或者金融機構的風險。 本文以某金融機構的歷史數據進行建模分析，對客戶的還款能力進行評估，以預測新客戶 ...

md 零基礎入門金融風控-貸款違約預測 Task03 特征工程 Task03目的: 學習特征預處理/缺失值處理/異常值處理/數據分桶等特征處理方法 學習特征交互/特征編碼/特征選擇的相應方法 0.0 導包 0.1 公共變量 0.2 數據讀取pandas ...