- 博客(7)
- 收藏
- 关注
RSS订阅Feature Tools:自动特征工程（翻译）
说明此文为翻译转载 - 项目文献 - 原文代码正文机器学习模型只能从我们给定的数据中学习，所以构造一个和任务相关的特征是至关重要的，参见优质论文《A Few Useful Things to Know about Machine Learning》。然而，人工特性工程是一项冗长乏味的任务，并且受到人类想象力的限制——我们可以思考创建的特性只有这么多，而且随着时间的推移，创建...
2018-07-10 11:08:59
5684
1
原创 AttributeError；'Series' object has no attribute 'split'解决
pandas对字符串做处理>>> s = pd.Series(["this is good text", "but this is even better"]) >>> [x for x in s.split()]如果我们直接对Series中的字符串做切分，就是报错 AttributeError: 'Series' object has no...
2018-07-09 22:23:00
93952
1
原创 评分卡建模的特征工程
前言在评分卡建模的过程中，最重要的是样本和特征，最耗时间的也是样本抽取以及特征工程。特别是在小公司，从数据抽取、到数据清洗、再到变量衍生基本都是一个人来完成。当然小公司的维度少，相对应的变量也少。但是，随着业务的发展以及外部环境的变化，一直维持着之前的业务分析维度是很难跟上其他公司的脚步的。拓展维度最好的方法就是衍生变量，这也不仅仅对建模有帮助，对风险规则的制定也有益。变量衍生也是基于已经...
2018-07-05 22:20:59
1522
原创 sklearn.KFold
K折交叉验证：将样本切成K份，每次取其中一份做为测试集，剩余的K-1份做为训练集。在sklearn.model_selection 中提供了几种K折交叉验证。生成样本>>> from sklearn.datasets import make_classification>>> data,target=make_classification(n_...
2018-07-05 22:00:48
5846
原创 逻辑回归
前言逻辑回归形式简单、模型可解释性好、模型效果也不错，因此在工业界的使用率很高。逻辑回归属于监督学习中的分类模型，主要用于二分类。核心是利用logit(sigmoid)函数拟合数据的到一件事情发生的概率，然后根据概率进行分类。逻辑回归原理线性回归原理y=θ0+θ1x1+θ2x2+⋯+θnxny=θ0+θ1x1+θ2x2+⋯+θnxny=\theta_0+\theta_1x_...
2018-07-02 18:02:20
746
原创 评分卡实施与监控
前言决策点（cut-off）设定决策点设定方式依照目标以及评分卡分布表，对应预期目标与实际分布，制定决策点：好坏比率(Odds) 以样本核准率(approval rate)核准件中的好客户数核准件中的坏客户数决策点的应用方式案件自动拒绝\通过 定义一个决策点，若案件评分低于决策点，则系统自动拒绝。案件人工审核 定义两个决策点，若案件评分低于决策点，则系统...
2018-06-26 23:09:19
3139
1
原创 评分卡建模流程
基于Logistic回归的申请评分卡模型开发基本申请评分卡建模流程：1.数据准备：收集并整合在库客户的数据，定义目标变量，排除特定样本。2.探索性数据分析：评估每个变量的值分布情况，处理异常值和缺失值。3.数据预处理：变量筛选，变量分箱，WOE转换、样本抽样。4.模型开发：逻辑回归拟合模型。5.模型评估：常见几种评估方法，ROC、KS等。6.生成评分卡1.数据准备因为不同评级模型所需要的数据也是不...
2018-06-14 15:38:11
19577
2
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