机器学习之代码三行实战
文章平均质量分 94
《机器学习实战》是一个专注于实际应用和案例研究的专栏,旨在帮助读者通过实际动手实践来理解和掌握机器学习的核心概念和技术
IT大头
wx公众号:AI疯人院 ↷卍菜鸟一枚,会写一点Python,会一点nlp东西,天天头大,不想加班,天天加班,不讲原理只讲实战
展开
-
机器学习之客户违约预测模型搭建之案例实战
客户违约预测模型的目的是通过已有的客户信息和违约表现来搭建合适的模型,从而预测之后的客户是否会违约。首先通过pandas库读取数据相关知识读取客户的证信数据以及其交易表现,即是否违约记录,代码如下:运行结果如下表所示,其中共有1000组历史数据,其中前400个为违约客户数据,后600个为非违约客户数据。因为Python数学建模中无法识别文本内容,所以“性别”及“是否违约”栏中的内容已经进行了数值处理,其中“性别”栏中0表示男,1表示女,“是否违约”栏中0表示不违约,1。原创 2024-03-16 11:10:27 · 1017 阅读 · 0 评论 -
机器学习之客户违约预测模型搭建之原理篇
在传统金融领域,往往存在两方角色,一方为借钱的借款方,另一方则为借钱给别人的贷款方,而作为贷款方则非常关心借款方是否会违约,即借钱不还。有的借款方可能完全就是抱着借钱不还的心态去借的资金,而对于这些客户,则需要搭建一套客户违约预测模型,根据借款人的各方面特征,来训练出合适的模型进行违约概率预测,从而在源头上拒绝这些潜在违约客户。如果还有其他的变量,比如说“年龄”、“性别”等,也是通过类似的手段计算划分后的系统的基尼系数,来看如何进行节点的划分,从而搭建一个较为完善的决策树模型。原创 2024-03-16 10:51:01 · 995 阅读 · 0 评论