这篇博客探讨了拍拍贷“魔镜杯”大赛的数据，利用机器学习预测用户贷款违约。通过数据清洗、特征工程、特征选择、模型选择（包括Logistic Regression, RandomForest, Xgboost）和模型融合来解决问题，最终使用Logistic Regression融合其他模型进行预测，并以AUC作为评估标准。"
97662712,7321647,解决Redis运行在保护模式下的连接问题,"['Redis', 'Linux', '配置', '安全', '连接']
1.1 问题描述
本文所用的数据来自拍拍贷“魔镜杯”互联网金融数应用大赛。获取数据 在初赛给出的Master表中，一共包含3万条数据，每个样本包含200多个字段，数据字段已进行脱敏处理，每一行代表一个样本，且对于每个样本已标注出其是否违约。本文主要对Master表中的数据进行机器学习，来预测未来用户的贷款违约情况。
Master表中主要字段及含义如下：
idx：每一笔贷款的unique key。
UserInfo_*：借款人特征字段。
WeblogInfo_*：Info网络行为字段。
Education_Info*：学历学籍字段。
ThirdParty_Info_PeriodN_*：第三方数据时间段N字段。
SocialNetwork_*：社交网络字段。
LinstingInfo：借款成交时间。
Target：违约标签（1 = 贷款违约，0 = 正常还款）。测试集里不包含target字段。
1.2 问题解决思路
最低0.47元/天 解锁文章
7941
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
