零基礎入門金融風控 貸款違約預測 Task 探索性數據分析 Task 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 輸出 易得 結果列 isDefault testA相較於train多出兩列: n . n . . . 通過nrows參數, 來設置讀取文件的 ...
2020-09-18 23:01 0 467 推薦指數：
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 ...
強烈先全部看一遍各種報錯原因，先全文瀏覽一遍，坑比較多~~ pandas_profiling安裝的各種問題記錄 常見如下： MemoryError... MemoryError: Unable to allocate 201. MiB for an array with shape (33 ...
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，總數據 ...
探索性數據分析（Exploratory Data Analysis，EDA）是指對已有數據在盡量少的先驗假設下通過作圖、制表、方程擬合、計算特征量等手段探索數據的結構和規律的一種數據分析方法，該方法在上世紀70年代由美國統計學家J.K.Tukey提出。傳統的統計分析方法常常先假設數據 ...
簡介 探索性數據分析所謂探索性數據分析（ Exploratory Data Analysis ）以下簡稱EDA，是指對已有的數據（ 特別是調查或觀察得來的原始數據 ）在盡量少的先驗假定下進行探索通過作圖、制表、方程擬合、計算特征量等手段探索數據的結構和規律的一種數據分析方法。 目錄 ...
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 ...
。 我們對大數據以及大數據分析完全沒有頭緒，我們甚至對大數據技術產生了迷茫，產生了退縮。 當我們拿到 ...
目錄 1. 數據探索的步驟和准備 2. 缺失值處理 為什么需要處理缺失值 Why data has missing values? 缺失值處理的技術 3. 異常值檢測和處理 What is an outlier? What are the types ...
