零基础入门金融风控之贷款违约预测的Task1：赛题理解

最新推荐文章于 2024-07-10 22:17:05 发布
最新推荐文章于 2024-07-10 22:17:05 发布
阅读量185 收藏
点赞数 1
分类专栏： 学习赛项目 文章标签： 深度学习 神经网络 计算机视觉 数据挖掘 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45014634/article/details/108606167
版权

零基础入门金融风控之贷款违约预测

Task1：赛题理解

1.赛题概况

赛题以预测金融风险为任务，数据集报名后可见并可下载，该数据来自某信贷平台的贷款记录，总数据量超过120w，包含47列变量信息，其中15列为匿名变量。为了保证比赛的公平性，将会从中抽取80万条作为训练集，20万条作为测试集A，20万条作为测试集B，同时会对employmentTitle、purpose、postCode和title等信息进行脱敏。

2.数据概况

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

3.评价指标

竞赛采用的是AUC作为评价指标，至于其他的评价指标，这里列举一下：
1.混淆矩阵
2.准确率
3.精确率
4.召回率
5.F1-SCore
6.P-R曲线
7.ROC曲线
8.AUC曲线
对于金融风控预测常见的评价指标是：KS

4、代码示例

在这里插入图片描述

在这里插入图片描述

LKID体
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
零基础入门金融风控-贷款违约预测-Task3
t1Alex的博客
09-21 339
写在前面：上一篇博客写了这个项目的Task2——即EDA，今天继续介绍Task3——特征工程。T3开始看着有点吃力了，因为python 的基础太差了，我很担心我能不能坚持完T4(TT)。不过在这个学习过程中，我的方法基本是理解任务目的，看代码，查函数，然后验证逻辑。其实如果时间更充裕的话可以自己半默写一下代码，下面还是结合教程具体记录下我的小小收获吧。（由于主要是理解为主，所以本博文还是要结合教程一起看，才比较有收获吧。） 直接附上整个项目链接吧：https://github.com/datawhale.
testA.csv，天池金融风控测试集数据集
09-16
天池比赛，由datawhale主办的金融风控数据集，可下载供学习参考使用，测试集部分，训练集部分已经上传至平台可下载
【天池】金融风控数据挖掘task1
qq_38444706的博客
09-15 225
天池金融风控数据挖掘task1 1.赛题理解 赛题以预测金融风险为任务，数据集报名后可见并可下载，该数据来自某信贷平台的贷款记录，总数据量超过120w，包含47列变量信息，其中15列为匿名变量。为了保证比赛的公平性，将会从中抽取80万条作为训练集，20万条作为测试集A，20万条作为测试集B，同时会对employmentTitle、purpose、postCode和title等信息进行脱敏。 2.赛题流程 3. 评价指标 3.1 分类算法常用 1）混淆矩阵、2）准确率（Accuracy）、精确率（Preci
阿里云天池 金融风控 Task2-数据分析
weixin_47425428的博客
04-25 629
Task-数据分析 赛题：零基础入门数据挖掘 - 零基础入门金融风控之贷款违约 比赛地址：https://tianchi.aliyun.com/competition/entrance/531830/introduction 目的： 1.EDA价值主要在于熟悉了解整个数据集的基本情况（缺失值，异常值），对数据集进行验证是否可以进行接下来的机器学习或者深度学习建模. 2.了解变量间的相互关系、变量与预测值之间的存在关系。 3.为特征工程做准备 学习知识点概述： 1、warnings模块 2、lambda用
阿里云天池-金融风控task1
weixin_45720616的博客
04-22 484
文章目录赛题理解1. 赛题与数据概括2. 预测指标信用评分卡 赛题理解 1. 赛题与数据概括 赛题旨在预测用户是否贷款违约，同时对敏感数据进行脱敏，数据中包括匿名变量。这次大赛要求选手根据训练集的47的特征与标签训练模型，预测testA.csv中用户的违约情况。 运行环境为天池提供的Data Science Workshop 数据包含80万条训练集，20万条测试集A。 理解数据中的各个特征会让我们在数据探索（异常值）和特征工程(构建交叉特征)方面更加得心应手。以下给出此次赛题中各个特征的含义： 2. 预
零基础入门金融风控-基于python的贷款违约预测源码.zip
04-11
【资源说明】 1、该资源包括项目的全部源码，下载可以直接使用！ 2、本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设项目，作为参考...零基础入门金融风控-基于python的贷款违约预测源码.zip
阿里云：零基础入门金融风控-贷款违约预测.zip
10-08
阿里云提供的这个"零基础入门金融风控-贷款违约预测"课程，旨在帮助初学者了解并掌握如何运用机器学习技术解决此类问题。这个课程主要围绕一个实际的分类任务展开，即根据个人信贷申请者的数据预测其未来是否会违约...
零基础入门金融风控-基于python的贷款违约预测源码（下载即用）.zip
03-12
基于python的贷款违约预测源码（下载即用）.zip零基础入门金融风控-基于python的贷款违约预测源码（下载即用）.zip零基础入门金融风控-基于python的贷款违约预测源码（下载即用）.zip零基础入门金融风控-基于python...
零基础入门金融风控-基于python的贷款违约预测源码+项目说明.zip
10-16
零基础入门金融风控-基于python的贷款违约预测源码+项目说明.zip零基础入门金融风控-基于python的贷款违约预测源码+项目说明.zip零基础入门金融风控-基于python的贷款违约预测源码+项目说明.zip零基础入门金融风控-...
零基础入门金融风控之贷款违约预测挑战赛-Task1 赛题理解
qq_44273666的博客
09-15 281
比赛地址： https://tianchi.aliyun.com/competition/entrance/531830/introduction 比赛要求参赛选手根据给定的数据集，建立模型，预测金融风险。 赛题以预测金融风险为任务，数据集报名后可见并可下载，该数据来自某信贷平台的贷款记录，总数据量超过120w，包含47列变量信息，其中15列为匿名变量。为了保证比赛的公平性，将会从中抽取80万条作为训练集，20万条作为测试集A，20万条作为测试集B，同时会对employmentTitle、purpose
「数据科学」天池金融风控-贷款违约预测数据分析
秀球Gang的学习小站
09-17 3536
天池金融风控-贷款违约预测数据分析1. 学习目的2. 了解数据2.1 导入第三方库2.2 读取文件2.2.1 拓展知识2.3 总体了解2.3.1 样本个数和特征维度3. 数据分析与可视化3.1 缺失值与唯一值3.2 数值类型与对象类型3.2.1 数值类型变量分析3.2.2 对象类型变量分析3.3 变量分布可视化3.3.1 单一变量分布可视化3.3.2 根绝y值不同可视化x某个特征的分布3.4 时间数据处理与可视化3.5 透视图3.6 生成数据报告4. 总结 1. 学习目的 上一篇文章介绍了天池“金融风控-贷
金融风控-贷款违约预测之赛题理解
zhangxiaolinxin的博客
09-14 497
1、概况 赛题以预测金融风险为任务，数据集报名后可见并可下载，该数据来自某信贷平台的贷款记录，总数据量超过120w，包含47列变量信息，其中15列为匿名变量。为了保证比赛的公平性，将会从中抽取80万条作为训练集，20万条作为测试集A，20万条作为测试集B，同时会对employmentTitle、purpose、postCode和title等信息进行脱敏。 2、数据 id 为贷款清单分配的唯一信用证标识 loanAmnt 贷款金额 term 贷款期限（year） interestRate 贷款利率 inst
【天池】金融风控数据挖掘task2
qq_38444706的博客
09-18 302
Task2 探索性数据分析 此部分为零基础入门金融风控的 Task2 数据分析部分，带你来了解数据，熟悉数据，为后续的特征工程做准备，代码如下： import pandas as pd import numpy as np train = pd.read_csv(r'/home/corn/桌面/tianchifengkong/train.csv') testA = pd.read_csv(r'/home/corn/桌面/tianchifengkong/testA.csv') print('Train
心电图信号分类预测——Task4 建模与调参
m0_46668150的博客
03-25 719
文章目录前言一、目前常见的模型及评价、调参方法二、代码示例1.引入库2.读入数据总结 前言 经过Task3的特征提取正常情况下我们可以得到训练集的特征，但我的电脑没能跑出来数据，因此使用的是小伙伴分享的特征数据集train_features_file.pkl，下面开始尝试选择合适的模型以及参数. 提示：以下是本篇文章正文内容，下面案例可供参考 一、目前常见的模型及评价、调参方法 1.1 逻辑回归 优点 训练速度较快，分类的时候，计算量仅仅只和特征的数目相关； 简单易理解，模型的可解释性非常好，从..
金融风控训练营Task02基础知识学习笔记——EDA探索性数据分析
weixin_46085699的博客
04-25 256
金融风控训练营Task01基础知识学习笔记一、学习知识点概要二、学习内容及问题与解答1.读取文件的拓展知识：2.Python函数： 一、学习知识点概要 二、学习内容及问题与解答 1.读取文件的拓展知识： pandas读取数据时相对路径载入报错时，尝试使用os.getcwd()查看当前工作目录。 TSV与CSV的区别： 从名称上即可知道，TSV是用制表符（Tab,’\t’）作为字段值的分隔符；CSV是用半角逗号（’,’）作为字段值的分隔符； Python对TSV文件的支持： Python的csv模块准确的
GCN-LSTM实现时空预测
weixin_44992737的博客
07-10 510
GCN-LSTM实现交通流量预测,时空预测,
基于深度学习的点云降噪
最新发布
weixin_42605076的博客
07-10 1353
基于深度学习的点云降噪是一种利用深度学习模型处理三维点云数据，以去除噪声并恢复点云的原始形状和细节的方法。点云数据广泛应用于自动驾驶、机器人导航、3D扫描和虚拟现实（VR）等领域，因此高质量的点云数据处理至关重要。
Transformer-LSTM分类 | Matlab实现Transformer-LSTM多特征分类预测/故障诊断
关注并私信文章链接，获取对应文章源码和数据，机器学习之心的博客。
07-10 812
Transformer-LSTM分类 | Matlab实现Transformer-LSTM多特征分类预测/故障诊断
r语言金融风控之贷款违约预测
05-29
R语言在金融风控领域中具有很大的优势，尤其是在贷款违约预测方面。贷款违约预测是指通过对已有数据进行分析和建模，预测贷款客户是否会违约，以便采取相应的措施降低风险。R语言可以用来进行数据清洗、可视化、特征工程和建模等操作，对于贷款违约预测非常适用。 在贷款违约预测中，通常需要进行以下几个步骤： 1. 数据探索和清洗：了解数据的分布情况、缺失值和异常值等，对数据进行清洗和处理。 2. 特征工程：根据数据的特点和业务需求，提取有效的特征，并进行特征选择和转换。 3. 建模：选择适合的模型，并进行模型训练和评估。 4. 风险评估：根据模型结果，对贷款客户进行分类，评估其违约风险。 如果您对于贷款违约预测需要更详细的介绍和了解，我可以给您推荐一些相关的学习资源。另外，请问还有其他相关问题吗？

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值