实战14：通过DSSM算法进行商品推荐 代码+数据

• 任务描述：本教程对LendingClub平台贷款数据进行分析并搭建用户画像，学习后可帮助学员在银行，消费金融，现金贷等场景中，实现金融场景下用户画像系统的搭建、多层级标签体系的设计。其中主要由画像体系介绍、python数据清洗、标签设计、画像输出和画像评测组成。

• 数据集：本数据集来源于kaggle，是2016Q2年到2018Q2年LendingClub实际发放的贷款的信息，总共有145个Column，共计98,2735行数据。LendingClub是世界上最大的P2P互联网借贷平台。它的主要业务为根据借款人过往信用记录等信息，评估借款人的违约风险，设置不同的借款利率，借款人可以通过提交申请，快速获得借款；投资人通过浏览借款人的过往信用记录和借款目的等信息，决定是否借款给不同借款利率的借款人，赚取利息收益。
• 数据集：通过DSSM算法进行商品推荐.zip-机器学习文档类资源-CSDN下载

• 运行环境：Python3.7环境下测试了本教程代码。需要的第三方模块和版本包括：

    pandas                 1.1.2
    numpy                  1.18.4
    matplotlib             3.0.3
    sklearn                0.21.0
    xgboost                0.82
    seaborn                0.9.0
    scipy