阿里雲的金融風控-貸款違約預測_模型融合
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分的重要手段，特別是多人組隊學習的比賽中，將不同隊友的模型進行融合，可能會收獲意想不到的效果 ...
原文：阿里雲的金融風控-貸款違約預測_建模和調參
建模與調參 . 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 . 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： 理解樹模型 樹模型的應用 樹模型的優缺點 集成模型 基於bagging思想的集成模型 隨機森林模型 基於boosting思想的集成模型 XGBoost模型 LightGBM模型 CatBoost模型 模 ...
2020-09-11 17:37 0 768 推薦指數：
相關推薦
阿里雲的金融風控-貸款違約預測_特征工程
特征工程 項目地址：https://github.com/datawhalechina/team-learning-data-mining/tree/master/FinancialRiskCont ...
金融風控之貸款違約預測筆記
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 ...
阿里雲的金融風控-貸款違約預測_數據分析
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 ...
量化金融入門系列筆記——阿里天池貸款違約預測新手賽
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 ...
【第17期Datawhale | 零基礎入門金融風控-貸款違約預測】Task02打卡：探索性數據分析 【pandas_profiling生成數據報告異常，解決后單開一篇】
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 ...
【第17期Datawhale | 零基礎入門金融風控-貸款違約預測】Task03打卡：特征工程之特征預處理、異常值處理、數據分桶、特征交互、特征編碼、特征選擇等 【留了大量TODO需要深入學習】
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 ...
金融風控_RFM模型
python信用評分卡建模視頻系列教程（附代碼） 博主錄制 https://study.163.com/course/introduction.htm?courseId=1005214003&utm_campaign=commission&utm_source ...