阿里云天池-金融风控task1

最新推荐文章于 2021-05-05 23:58:16 发布
最新推荐文章于 2021-05-05 23:58:16 发布
阅读量599 收藏
点赞数
文章标签： 人工智能 python 数据分析
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_45720616/article/details/115913904
版权

文章目录

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
在这里插入图片描述
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的含义会让我们在数据探索（异常值）和特征工程(构建交叉特征以及业务理解特征)方面更加得心应手。以下给出此次赛题中各个特征的含义：
在这里插入图片描述

2. 预测指标

赛题采用AUC值为指标。
在这里插入图片描述
实际上就是在图中做出以(FPR，TPR)为坐标的曲线，与x，y正半轴围成的面积即AUC值(0<=AUC<=1)
在这里插入图片描述
在适用AUC为指标的报告中，经常配合KS值一起适用。
在这里插入图片描述
分类问题中除了AUC值外，还有Accuracy，F1 Score，Precision(等于TPR),recall等。

信用评分卡

用于刻画用户的信用评分，实际上对于此次赛题就是WOE编码

!sTorm
关注
心电图信号分类预测——Task4 建模与调参
m0_46668150的博客
03-25 758
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..
阿里云天池龙珠计划金融风控训练营-Task1学习笔记
I_chasing_wind的博客
04-22 277
金融风控数据挖掘-Task1 本学习笔记为阿里云天池龙珠计划金融风控训练营的学习内容，学习链接为： (https://tianchi.aliyun.com/specials/promotion/handsonai_gut) ​ Task1介绍了赛题是以金融风控中的个人信贷为背景，要求我们根据贷款申请人的数据信息预测其是否有违约的可能，以此判断是否通过此项贷款，这是一个典型的分类问题。这次比赛我们主要学习如何建立模型预测贷款者是否违约，以便于判断能否通过贷款。 一、学习知识点概要 在建立模型后，要有相关的指标
阿里云天池 金融风控 Task1-赛题理解
weixin_47425428的博客
04-21 724
一、赛题理解 学习链接为：https://tianchi.aliyun.com/specials/activity/promotion/aicampdocker 赛题以金融风控中的个人信贷为背景，要求选手根据贷款申请人的数据信息预测其是否有违约的可能，以此判断是否通过此项贷款，这是一个典型的分类问题。通过这道赛题来引导大家了解金融风控中的一些业务背景，解决实际问题，帮助竞赛新人进行自我练习、自我提高。 ·学习知识点概述 1.用sklearn的函数实现在预测指标当中函数 Ⅰ、混淆矩阵 [1] 混淆矩阵也
阿里云天池金融风控-Task5
weixin_45720616的博客
05-04 500
模型融合 本文采用教程中的Stacking集成模型训练，基分类器为KNN，贝叶斯，随机森林，将其预测标签给逻辑斯蒂回归。 上述为Stacking的模型融合图 import warnings warnings.filterwarnings('ignore') import itertools import numpy as np import seaborn as sns import matplotlib.pyplot as plt import matplotlib.gridspec as gridsp
阿里云天池金融风控-Task6
weixin_45720616的博客
05-05 301
以上为比赛过程的分数历程。线下和线上分数差距太明显了，还没找出原因。qaq 这次比赛，总结来说无非就是数据清洗，特征工程，建立模型，调整参数，模型集成。 数据清洗 主要注重数据的空缺值，异常值以及发现object变量（要在后面转换）。 特征工程 方面首先是理解赛题，理解背景，构建业务特征，以及其他的交互特征，统计量特征，编码特征等等。 模型 模型的话对于数据竞赛也就那几个lgb，xgb集成模型。 ...
Datawhale&阿里云天池-金融风控-贷款违约预测-task1(赛题理解)
我就吃一口的BLOG
09-13 2026
零基础入门金融风控-贷款违约预测 数据集：阿里天池-索要之书-风控数据集 赛题来源：https://tianchi.aliyun.com/competition/entrance/531830/introduction 赛题以金融风控中的个人信贷为背景，要求选手根据贷款申请人的数据信息预测其是否有违约的可能，以此判断是否通过此项贷款，这是一个典型的分类问题。通过这道赛题来引导大家了解金融风控中的一些业务背景，解决实际问题，帮助竞赛新人进行自我练习、自我提高。赛题方同时为本赛题定制了学习方案，其中包括数
广工大数协 阿里云天池 金融风控训练营 - Task2 数据分析
weixin_45242926的博客
04-25 209
本学习笔记为阿里云天池龙珠计划Docker训练营的学习内容，学习链接为：https://tianchi.aliyun.com/specials/activity/promotion/aicampdocker 一、学习知识点概要 学习如何对数据集整体概况进行分析，包括数据集的基本情况（缺失值，异常值） 学习深入数据-查看数据类型 学习了解变量间的相互关系、变量与预测值之间的存在关系 学习用pandas_profiling生成数据报告 二、学习内容 2.1 数据总体.
阿里云天池学习赛【金融风控-贷款违约预测】task 1
weixin_41598761的博客
09-15 702
零基础入门金融风控-贷款违约预测赛题理解一、赛题数据二、数据概况三、评价标准1. ROC(Receiver Operating Characteristic)2. AUC(Area Under Curve)AUC值对模型性能的判断标准总结 赛题理解 赛题以金融风控中的个人信贷为背景，要求选手根据贷款申请人的数据信息预测其是否有违约的可能，以此判断是否通过此项贷款，这是一个典型的分类问题。 一、赛题数据 赛题以预测用户贷款是否违约为任务，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
Datawhale学习笔记【阿里云天池 金融风控-贷款违约预测】Task2 数据分析
xiaochen_1的博客
09-15 1416
阿里云天池学习赛【金融风控-贷款违约预测】赛题数据及背景学习目标python库的导入国内镜像源网址及使用方法镜像使用方法文件读取数据总体了解查看数据集中特征缺失值，唯一值等检查缺失值缺失值处理方式特征值查询 赛题数据及背景 阿里云天池学习赛【金融风控-贷款违约预测】 https://tianchi.aliyun.com/competition/entrance/531830/introduction 学习目标 数据总体了解： 读取数据集并了解数据集大小，原始特征维度； 通过info熟悉数据类型； 粗略查
阿里云天池学习赛【金融风控-贷款违约预测】task5
weixin_41598761的博客
09-27 531
零基础入门金融风控-贷款违约预测TASK 55模型融合5.1融合方法5.1.1voting(投票）5.1.2 Averaging（平均）5.1.3 Bagging5.1.4 Stacking 5模型融合 通过融合多个不同的模型，可能提升机器学习的性能 5.1融合方法 5.1.1voting(投票） 投票制的方法，投票多者确定为最终的分类。 包含： 1.简单投票 2.加权投票 5.1.2 Averaging（平均） 一个简单直接的思路是取平均。稍稍改进的方法是进行加权平均。 包含： 1.简单平均; pr
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
阿里云天池金融风控训练营【task1赛题理解】学习笔记
weixin_49270402的博客
04-22 446
金融风控训练营 task1赛题理解 学习笔记 本学习笔记为阿里云天池金融风控训练营task1-赛题理解的学习内容 一、学习知识点概要 文章目录金融风控训练营 task1赛题理解 学习笔记一、学习知识点概要二、学习内容1. 比赛背景2. 数据概况3. 预测指标4. 代码学习5. 需要储备的知识点三、学习问题与解答四、学习思考与总结 二、学习内容 1. 比赛背景 金融风控的个人信贷 根据贷款申请人的数据建立模型→预测金融风险，预测是否有违约的风险→判断是否可以通过贷款 分类问题 在已知类别标
阿里云天池金融风控-task4
weixin_45720616的博客
04-30 256
建模调参 首先我们导入训练集和测试集 X_train = train[test.columns].drop(columns='id') y_train = train['isDefault'] X_test = test.drop(columns='id') fill_con = ['employmentTitle','employmentLength','postCode', 'employmentTitle_freq_encode','title_freq_encode','t
阿里云天池 金融风控 Task2-数据分析
weixin_47425428的博客
04-25 651
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 金融风控训练营 · Task 2 数据分析学习笔记
HINATA_T的博客
04-25 832
学习目标： 提示：这里可以添加学习目标 例如：一周掌握 Java 入门知识 学习内容： 提示：这里可以添加要学的内容 例如： 1、 搭建 Java 开发环境 2、 掌握 Java 基本语法 3、 掌握条件语句 4、 掌握循环语句 学习时间： 提示：这里可以添加计划学习的时间 例如： 1、 周一至周五晚上 7 点—晚上9点 2、 周六上午 9 点-上午 11 点 3、 周日下午 3 点-下午 6 点 学习产出： 提示：这里统计学习计划的总量 例如： 1、 技术笔记 2 遍 2、CSDN 技术博客 3 篇
阿里云天池金融风控-task3
weixin_45720616的博客
04-23 289
文章目录特征工程学习目标1特征编码1.1 target encoding1.2 Label Encoding1.3 Frency Encoding2 业务特征构建3 用户画像-WOE编码4 三次衍生特征(聚合统计量) 特征工程 学习目标 学习特征交互、编码、选择的相应方法 学习特征预处理、缺失值、异常值处理、数据分桶等特征处理方法 object类型处理 先把日期转为时间格式，再分离，构建年月日特征 import datetime #转化成时间格式 issueDateDT特征表示数据日期离数据集中日期最
阿里云天池 金融风控训练营 数据挖掘-Task1 学习笔记
kkifr的博客
04-22 266
学习知识点概要 本篇文章主要是笔者通过阿里云AI训练营金融风控中所教授的内容以及结合查阅的资料和个人的理解来描述金融风控数据挖掘中的一些名词进行解释，如数据概况，分类算法及其评估指标等等。 学习内容 1数据概况 即数据的大致情况，说明列的大致特征，可以帮我们更好地理解数据以及对后续分析打下良好的基础。 2分类算法中常见的评估指标 1混淆矩阵（Confuse Matrix） 混淆矩阵中有两种指标，一种是对于预测类别的记录，若预测类别为正确，则记为P(positive)，若预测类别为错误，则记为N
阿里云天池金融风控-task2
weixin_45720616的博客
04-23 348
探索性数据分析（EDA） 目的 了解数据的属性类型和缺失情况 分析特征和预测标签的关系便于进一步了解如何构建特征工程 了解变量间的相互关系、变量与预测值之间的存在关系。 内容介绍 特征数据类型以及缺失值分析 数据总体的描述以及异常分析 连续特征的分布以及离散特征的字段数分析 特征与label的分析 一、特征数据类型以及缺失值分析 首先导入必要的包 import pandas as pd import numpy as np import warnings warnings.filterwarning
阿里云天池 金融风控 Task5-模型融合
weixin_47425428的博客
05-04 334
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预测 项目地址：https://github.com/datawhalechina/team-learning-data-mining/tree/master/FinancialRiskControl 比赛地址：https://tianchi.aliyun.com/competition/entrance/531830/introduction 目的: 将之前建模调参的结果进行模型融合。 尝试多种融合方案，提交融合结果并打卡。 学习内容概述： 1.
天池金融风控违约预测xgboost
最新发布
12-29
天池金融风控违约预测是一个基于大数据和人工智能技术的金融风险评估和控制平台。而xgboost是一种梯度提升算法，被广泛应用于数据挖掘和机器学习领域。 在天池金融风控违约预测中，xgboost算法可以用来构建模型，...
评论
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