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 ...

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 ...

一、賽題數據 數據大家可以到官網去下載：https://tianchi.aliyun.com/competition/entrance/531830/information需要報名后才可以下載數據 賽題以預測用戶貸款是否違約為任務，數據集報名后可見並可下載，該數據來自某信貸平台的貸款記錄，總數 ...

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 ...

*特征工程是一個復雜活，本人認為它一般包括以下幾個過程：特征初篩、特征衍生(加工)、特征選擇； 特征篩選是一個精細活，需要考慮很多因素，比如：預測能力、相關性、穩定性、合規性、業務可解釋性等等。 案例實踐代碼：https://github.com/iihcy/Credit_ACard 從廣義 ...

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 ...

本系列是針對於DataWhale學習小組的筆記，從一個對統計學和機器學習理論基礎薄弱的初學者角度出發，在小組學習資料和其他網絡資源的基礎上，對知識進行總結和整理，今后有了新的理解可能還會不斷完善。由於 ...

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 ...