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://github.com/datawhalechina/team-learning-data-mining/tree/master/FinancialRiskControl
学习目标
- 学习在金融分控领域常用的机器学习模型
- 学习机器学习模型的建模过程与调参流程
一、学习知识概要
-
逻辑回归模型:
- 理解逻辑回归模型;
- 逻辑回归模型的应用;
- 逻辑回归的优缺点;
-
树模型:
- 理解树模型;
- 树模型的应用;
- 树模型的优缺点;
-
集成模型
- 基于bagging思想的集成模型
- 随机森林模型
- 基于boosting思想的集成模型
- XGBoost模型
- LightGBM模型
- CatBoost模型
- 基于bagging思想的集成模型
-
模型对比与性能评估:
- 回归模型/树模型/集成模型;
- 模型评估方法;
- 模型评价结果;
-
模型调参:
-
贪心调参方法;
-
网格调参方法;
-
贝叶斯调参方法;
-
二、学习内容
由于相关算法原理篇幅较长,本文推荐了一些博客与教材供初学者们进行学习。
2.1 逻辑回归模型
https://blog.csdn.net/han_xiaoyang/article/details/49123419
2.2 决策树模型
https://blog.csdn.net/c406495762/article/details/76262487
2.3.1 随机森林模型(bagging思想)
http://www.itongji.cn/detail?type=1160
2.3.2 GBDT模型(boosting思想)
https://zhuanlan.zhihu.com/p/45145899
2.3.3 XGBoost模型
https://blog.csdn.net/wuzhongqiang/article/details/104854890
2.3.4 LightGBM模型
https://blog.csdn.net/wuzhongqiang/article/details/105350579