python
文章平均质量分 88
貮叁
这个作者很懒,什么都没留下…
展开
-
【综合案例】信用评分模型开发
信用卡虚拟交易识别、网络贷款违约预测及本文信用评分模型开发。这三篇可以来说是比较典型的案例了,其涉及的知识点也比较广泛。大家如果想要相关的数据及代码的话可以到我的资源上去下载或者私信,然后可以对照文章中的解析或者自己深入探索其中的意思。原创 2022-10-24 10:00:00 · 1311 阅读 · 1 评论 -
【综合案例】网络贷款违约预测
随着互联网应用的日益普及,网络贷款已成为一种常见的贷款形式。但是,网络借贷行业也存在着很多的风险失控问题。为了规范网络借贷过程管理,加强网络借贷风险控制,业界人士开始采用一些技术手段来规避网络借贷风险。许多金融服务机构在前期的业务运营中积累了大量的客户数据,如个人基本信息、在机构办理业务信息等数据。本文正是基于**数据挖掘技术**,综合客户各项信息数据及以往业务中是否违约为分类标签,**进行模型训练**,经过调整优化后对新的申请用户信息**进行分类预测**,以预测结果作为核发贷款的重要依据。原创 2022-09-17 11:10:22 · 2568 阅读 · 2 评论 -
【综合案例】信用卡虚拟交易识别
信用卡虚假交易是指通过不存在的、伪造变更的实体商品或服务交易,来套取信用卡内资金的违法行为。信用卡虚假交易识别先后经历了人工甄别、规则判断和大数据人工智能识别三个阶段。随着计算机和网络通信技术的发展,目前,虚假交易已进入大数据人工智能识别阶段。大数据人工智能借助信用卡交易记录的大数据和飞速发展的数据挖掘算法,能够发现可疑的虚假交易,遏制违法行为。其流程如下:首先是对原始业务记录数据进行清洗,得到满足算法输入要求的训练集数据,包括算法训练集属性和分类标签;然后选择合适的数据挖掘算法进行模型训练及参数调优;原创 2022-06-25 21:56:52 · 2187 阅读 · 1 评论 -
【python代码实现】人工神经网络分类算法及其实战案例(股票价格波动分析)
目录前置知识1、前言2、人工神经网络模型2.1、神经元模型与单层神经网络2.2、多层人工神经网络模型人工神经网络分类算法1、构建数据集2、响应函数3、模型训练4、测试样本分类前置知识1、前言紧接着前面两篇关于分类算法的文章,今天我们来讲一讲人工神经网络分类算法,本文代码实现部分的数据与之前两篇一致,大家可自行查看:【python代码实现】决策树分类算法【python代码实现】朴素贝叶斯分类算法2、人工神经网络模型2.1、神经元模型与单层神经网络人工神经网络中最基本的成分是神经元模型,也称MP原创 2022-04-20 20:27:03 · 13531 阅读 · 8 评论 -
【python代码实现】朴素贝叶斯分类算法
目录前置知识1、概念2、算法原理2.1、条件概率朴素贝叶斯分类算法1、构建数据集2、分类概率3、条件概率4、先验概率前置知识1、概念上一片我们讲到的决策树算法,是反映了一种非常明确、固定的判断选择过程,即某一判断条件的结果确定了,则接下来的决策路径也就确定了。但在很多实际问题中,某一个判定条件满足与否,并不能百分之百地支持做出某个决策,往往只在一定程度上影响最终决策。而这个一定程度,在数学上可以用概率来量化。贝叶斯分类算法是一种有监督的分类算法,以坚实的数学理论(贝叶斯公式)作为支撑,实现简单,在大原创 2022-04-15 10:33:42 · 4794 阅读 · 3 评论 -
【python代码实现】决策树分类算法
目录模拟数据决策树分类算法构建数据集绘制决策树代码模拟数据编号年龄收入范围工作性质信用评级购买决策01<30高不稳定较差否02<30高不稳定好否0330-40高不稳定较差是04>40中等不稳定较差是05>40低稳定较差是06>40低稳定好否0730-40低稳定好是08<30中等不稳定较差否09<30低稳原创 2022-04-11 20:39:46 · 19987 阅读 · 16 评论 -
【实战】——以波士顿房价为例进行数据的相关分析和回归分析
目录前言一、相关分析1、概念2、数据来源及处理3、分析3.1、协方差3.2、相关系数二、回归分析1、概念2、一元线性回归3、多元回归三、逻辑回归1、概念2、逻辑回归3、拟合效果四、时间序列分析1、概念结语前言之前的一篇文章【实战】——基于机器学习回归模型对广州二手房价格进行分析及模型评估中,主要分享了数据处理和模型评估两大部分内容今天,我们接着这一部分内容,深入了解数据的属性以及模型的建立一、相关分析1、概念研究各个因素之间是否存在相互影响以及找出这种影响的数学描述方法,是数据挖掘的重要工作之一原创 2022-04-07 21:18:58 · 14442 阅读 · 2 评论 -
【基础汇总】——python数据分析必备三大工具
目录前言一、numpy1、数组创建2、数组运算3、矩阵运算二、pandas1、数据结构2、数据处理3、实际案例三、matplotlib1、基本概念2、matplotlib图形绘制3、seaborn图形绘制4、实际案例结语前言之前写了那么多的关于金融数据分析的实战案例,我想是时候将这些例子中的使用到的python基础知识进行总结了……想要学好数据分析,必须掌握的numpy、pandas、matplotlib三大数据分析相关库的知识,收藏这一篇万字长文就足够了!一、numpy1、数组创建import原创 2022-04-05 14:57:25 · 3781 阅读 · 6 评论 -
【python文本分析】——基于股评文本的情绪分析
目录一、文本处理1、精确模式(默认)2、全模式3、搜索引擎模式二、词云图1、wordcloud模块导入2、词云图实现三、实例——利用股评进行情绪分析1、数据来源及snownlp模块导入2、代码实现3、结果分析一、文本处理中文分词是中文文本处理的一个基础步骤。jieba分词工具是最常见的语言分词工具:import jiebaimport jieba.posseg as psgfrom collections import Counterjieba分词中有三种分词模式,不同的分词模式将直接影响分词原创 2022-04-01 10:45:20 · 12646 阅读 · 25 评论 -
【实战】——基于机器学习回归模型对广州二手房价格进行分析及模型评估
目录1、数据导入2、数据清洗2.1、变量选取2.2、空值处理2.3、类型转化2.4、数据再处理3、机器学习sklearn的实现3.1、训练集和测试集的拆分3.2、数据的标准化3.3、线性回归模型3.4、随机森林模型1、数据导入首先是数据分析不可或缺的模块导入import numpy as npimport pandas as pd然后就是数据的导入了,数据的获取的方法有很多,比如sklearn.datasets模块内置的数据加利福尼亚的房价fetch_california_housing而我这原创 2022-03-26 14:45:38 · 6821 阅读 · 6 评论 -
【实战】——基于GUI编程的python股票量化交易策略之双均线策略
目录前言一、概念二、tkinter的使用1、模块的导入2、窗口和文本框的创建3、处理函数的定义4、按钮的创建5、运行结果三、实战案例——根据界面输入绘制动态K线和均线图1、模块的导入2、窗口界面和文本框的创建3、处理函数的定义3.1、获取股票数据3.2、【绘制】按钮的处理函数3.3、【计算买卖点】按钮的处理函数3.4、【重置】按钮的处理函数4、按钮的创建及canvas控件5、运行结果结语及源代码1、“登录窗口”源代码2、“股票K线均线”源代码前言如果有对于股票数据分析或者量化交易经典策略–双均线策略不熟原创 2022-03-21 21:00:00 · 2494 阅读 · 2 评论 -
Python量化交易策略及回测系统
目录前言:行文思路1、模块导入2、数据获取3、股票数据类型转换4、策略编写5、回测系统编写6、实例化策略非面向对象的编程前言:行文思路由于本文篇幅较长,而且文中关于python数据分析的知识点、python金融量化的知识点较多,因此在文章的开头先给出本文整体思路,以便读者能够拥有较为清晰的脉络通读全文。第一部分:模块导入,主要是将后面需要用到的模块进行导入(简单,非重点)第二部分:数据获取,鉴于在网络上股票数据不易找到,Wind金融终端等数据库数据收费,通过多方查找,终于让我找到了能够免费下载股票数原创 2022-03-12 12:04:50 · 32763 阅读 · 25 评论 -
python金融数据分析及可视化
目录1、数据来源——Wind金融终端2、数据读取及其基本描述3、收盘价与成交量关系图4、收益率曲线5、K线图6、移动平均线1、数据来源——Wind金融终端在Wind数据库中下载到的宁德时代(代码300750.SZ)从2020-01-03到2021-12-31共485个数据,包括开盘价,最高价,最低价,收盘价以及交易量。(需要数据进行操作的同学可以在我的资源上下载,由于Wind资讯金融终端不是免费的,而且作为喜欢白嫖的我们,有什么办法得到免费的数据呢,下次找到了一定分享给大家zll[doge])2、原创 2022-03-10 20:16:45 · 8133 阅读 · 7 评论 -
Numpy、Pandas库的使用
目录Numpy1、概述2、基础操作3、并行化思想4、量化分析应用4.1 索引选取和切片选择4.2 数据转换与规整4.3 逻辑条件进行数据筛选4.4 通用序列函数4.5 文件保存与读取PandasNumpy1、概述Numpy是Python很多科学计算与工程库的基础库,也是量化数据分析领域中的基础数组,学会使用 Numpy是量化分析中关键的一步。Numpy可以理解为它的输出是一个非常大且连续的并由同类型数据组成的内存区域,所以你可以构造一个比普通列表大得多的数组,并且灵活高效地对数组中所有的元素进行并行原创 2021-11-21 21:42:36 · 2988 阅读 · 0 评论 -
python基础知识总结——《Python语言程序设计基础》
1 字符串str="hello python"print(str[0]) #第一个字符,往后递增print(str[-1]) #最后一个字符,往前递减print(str[5:9]) #截取多个字符2 同步赋值x=4y=7x,y=y,xprint(x,y) #x,y值同时互换,不需第三个变量3 分支语句if x<0: #注意有冒号 print("负数") #注意需缩进elif x>0: print("正数")else: print("0")4 循环语句原创 2021-11-14 19:47:53 · 1421 阅读 · 0 评论