- 博客(6)
- 收藏
- 关注
RSS订阅原创 广东工业大学 金融风控 task6
学习总结从这次的金融风控比赛中，我学到了很多关于数据处理的问题，如查看特征的数值类型有哪些，对象类型有哪些？特征预处理（缺失值、异常值）、数据分桶、特征选择等等对于我学习大数据的方法加强了，让我对于大数据的理解更为深刻，我也在学习期间，学到了很多新的代码和新的处理方式，期待下一次的大数据开源学习，我认为开源学习是十分必要的，也是重要的一种精神，互相分享，互相提高，可以让我们在学习方面更上一层。...
2021-05-05 13:37:11
84
原创 广东工业大学 金融风控 task5
一、学习概要1、模型融合2、stacking和blending3、经验总结二、学习内容1、模型融合有以下方法平均： 简单平均法 加权平均法 投票： 简单投票法 加权投票法 综合： 排序融合 log融合 2、stacking和blendingstacking: import warnings warnings.filterwarnings('ignore') import itertools import numpy a..
2021-05-04 15:29:21
79
原创 广东工业大学 金融风控 task4
一、学习概要1、模型2、模型评估方法3、建模调参二、学习内容模型1、逻辑回归模型（逻辑回归模型，要对缺失值和异常值预先处理） 优点 训练速度较快，分类的时候，计算量仅仅只和特征的数目相关； 简单易理解，模型的可解释性非常好，从特征的权重可以看到不同的特征对最后结果的影响； 适合二分类问题，不需要缩放输入特征； 内存资源占用小，只需要存储各个维度的特征值； 缺点 不能用Logistic回归去解决非线性问题，因为Logistic的决策面是线性的； 对多
2021-05-01 21:46:07
87
原创 广东工业大学 金融风控 task 3
学习知识点概要一、特征预处理二、数据分桶三、特征交互四、特征编码五、特征选择学习内容一、特征预处理1、缺失值处理数据EDA部分我们已经对数据的大概和某些特征分布有了了解，而这组数据有缺失值，也有异常值，所以我们要进行预处理，首先我们查找出数据中的对象特征和数值特征[4]:numerical_fea = list(data_train.select_dtypes(exclude=['object']).columns)category_fea = ..
2021-04-28 15:55:38
97
原创 广东工业大学 金融风控（2）
一、学习知识点概要1、数据分析2、查看特征的数值类型有哪些，对象类型有哪些3、单一数据可视化二、学习内容数据分析第一步导入数据分析及可视化会用到的库import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsimport datetimeimport warningswarnings.filterwarnings('ignore')输入代码查.
2021-04-25 16:50:58
153
原创 广东工业大学 金融风控训练营
TASK 1 赛题理解摘要：赛题以金融风控中的个人信贷为背景，要求选手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，这是一个典型的分类问题。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，总数据量超过120w，包含47列变量信息，其中15列为匿名变量。为了保证比赛的公平性，将会从中抽取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，同时会对employmentTitle、purpose、postCode和title等
2021-04-22 14:27:12
214
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人