- 博客(5)
- 收藏
- 关注
RSS订阅原创 【案例】搭建评分卡模型
一、分析原理信用评分卡模型在国外是一种成熟的预测方法，尤其在信用风险评估以及金融风险控制领域更是得到了比较广泛的使用，其原理是将模型变量WOE编码方式离散化之后运用logistic回归模型进行的一种二分类变量的广义线性模型。二、分析背景在互金公司的各种贷款业务中，普遍使用信用评分，根据客户的多个特征对每个客户进行打分，以期待对客户优质与否做一个评判。信用评分卡有三种：A卡（Application scorecard）, 即申请评分卡。用于贷款审批前期对借款申请人的量化评估；B卡（Behavior
2020-10-26 21:36:14
1190
原创 图的邻接矩阵和邻接表
图的存储结构主要分两种，一种是邻接矩阵，一种是邻接表。1.邻接矩阵图的邻接矩阵存储方式是用两个数组来表示图。一个一维数组存储图中顶点信息，一个二维数组（邻接矩阵）存储图中的边或弧的信息。设图G有n个顶点，则邻接矩阵是一个n*n的方阵，定义为：看一个实例，下图左就是一个无向图。从上面可以看出，无向图的边数组是一个对称矩阵。所谓对称矩阵就是n阶矩阵的元满足aij = aji。即从矩阵的左上角到右下角的主对角线为轴，右上角的元和左下角相对应的元全都是相等的。从这个矩阵中，很容易知道图中的信息。（
2020-10-23 12:21:14
5391
原创 lightGBM和XGBoost使用方法总结
在Python语言中LightGBM提供了两种调用方式，分为为原生的API和Scikit-learn API，两种方式都可以完成训练和验证。当然原生的API更加灵活，看个人习惯来进行选择。1.直接import lightgbm as lgt 和import XGBoost as xgb这种方式在做训练的时候需要把数据转换成模型所能处理的格式，刚入手的人容易犯错lightGBM为Dataset格式：lgb_train = lgb.Dataset(train_X, train_y, free_raw
2020-10-22 17:52:23
369
转载 【机器学习】训练集、验证集和测试集
在有监督(supervise)的机器学习中，数据集常被分成2~3个即：训练集(train set) 验证集(validation set) 测试集(test set) 一般需要将样本分成独立的三部分训练集(train set)，验证集(validation set)和测试集(test set)。其中训练集用来估计模型，验证集用来确定网络结构或者控制模型复杂程度的参数，而测试集则检验最终选择最优的模型的性能如何。一个典型的划分是训练集占总样本的50％，而其它各占25％，三部分都是从样本中随机抽取。
2020-10-22 17:43:39
1053
转载 Lightgbm基本建模操作
LightGBM是基于XGBoost的一款可以快速并行的树模型框架，内部集成了多种集成学习思路，在代码实现上对XGBoost的节点划分进行了改进，内存占用更低训练速度更快。LightGBM官网：https://lightgbm.readthedocs.io/en/latest/参数介绍：https://lightgbm.readthedocs.io/en/latest/Parameters.html1 安装方法2 调用方法2.1 定义数据集2.2 模型训练2.3 模型保存与加载2.4 查看特
2020-10-22 17:40:46
754
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