jwtning的博客

1. 特征工程信用评分模型的主要目的是衡量一个用户的信用风险。因此，特征的构造也要围绕着反映用户信用等级的数据展开。特征构造主要是时间维度的聚合统计及跨时1.1 数据维度通常衡量一个用户的还款能力...

一、完全随机缺失二、随机缺失三、非随机缺失

转载处刘建平博客 https://www.cnblogs.com/pinard/p/6053344.html　在决策树算法原理(上)这篇里，我们讲到了决策树里ID3算法，和ID3算法的改进版C4.5算法。对于C4.5算法，我们也提到了它的不足，比如模型是用较为复杂的熵来度量，使用了相对较为复杂的多叉树，只能处理分类不能处理回归等。对于这些问题， CART算法大部分做了改进。CART算法也就是我们下面的重点了。由于CART算法可以做回归，也可以做分类，我们分别加以介绍，先从CART分类树算法开始，重点比较和

转载处刘建平博客https://www.cnblogs.com/pinard/p/6050306.html决策树算法在机器学习中算是很经典的一个算法系列了。它既可以作为分类算法，也可以作为回归算法，同时也特别适合集成学习比如随机森林。本文就对决策树算法原理做一个总结，上篇对ID3， C4.5的算法思想做了总结，下篇重点对CART算法做一个详细的介绍。选择CART做重点介绍的原因是scikit-learn使用了优化版的CART算法作为其决策树算法的实现。1. 决策树ID3算法的信息论基础机器学习算法其实

本文转载自：https://blog.csdn.net/weixin_44090397/article/details/97922297# -*-coding:utf-8 -*-import pandas as pdimport matplotlib.pyplot as pltimport matplotlibimport numpy as npimport time, datetimeimport statsmodels.api as smdf = pd.read_csv('D:\wor