wwqnmdhmp的博客

评分卡流程和注意点

【代码】OptBinning 特征分箱包使用介绍。

1、对特征选择的指标提供计算方法和代码，包括有：相关系数、互信息、KS、IV、L1正则化、单特征模型评分、特征重要度或系数大小、boruta特征评价、递归特征消除排序。2、提供特征选择的方法和代码：前向搜索法、遗传算法启发式搜索法，最佳特征检测法，# 本次项目使用的数据为以下数据， from sklearn . datasets import load_breast_cancer。

朴素贝叶斯

遗传算法寻优cross_val_score(lgb,train_X,train_y,scoring='f1',cv=sKfold).mean() # 使用全部特征进行训练0.8508040614085857train_1 = train.drop('label',1)cols = train_1.columnstrain_1.head() 经营期限起 是否广告经营 是否城镇 从业人数 注册资本

Table of Contents1  OrdinalEncoder 序列编码2  OneHotEncoder 独热编码3  TargetEncoder 目标编码4  Binary Encoder二进制编码5  BaseNEncoder 贝叶斯编码6  LeaveOneOutEncoder 留一法7  HashingEncoder 哈希编码8  

from sklearn.tree import DecisionTreeClassifierimport pandas as pdimport numpy as npdata = pd.read_csv('train.csv',index_col = 'id')data.head()决策树分箱def optimal_binning_boundary(x: pd.Series, y: pd.Series) -> list: ''' 利用决策树获得最优分箱的边界

import numpy as np import pandas as pdimport matplotlib.pyplot as plt import seaborn as sns%matplotlib inlineplt.rcParams["font.sans-serif"] = ["FangSong"] plt.rcParams["axes.unicode_minus"] = False import warningswarnings.filterwarnings("ignore")

from imblearn.over_sampling import SMOTEimport pandas as pd C:\ProgramData\Anaconda3\lib\importlib\_bootstrap.py:219: RuntimeWarning: numpy.ufunc size changed, may indicate binary incompatibility. Expected 192 from C header, got 216 from PyObject ret

from keras.models import Sequential # 按顺序建立的神经网络模型from keras.layers import Dense # dense 全连接层 import numpy as np import matplotlib.pyplot as plt %matplotlib inlineimport tensorflow as tfUsing TensorFlow backend.import pandas as pd from sklearn.

Table of Contents1  数据导入2  模型挑选3  模型调参3.1  设立初始参数3.2  调解n_estimators3.3  max_depth/num_leaves3.4  min_child_samples/min_child_weight3.5  subsample/colsample_bytree（0.6,1）3.6&n

1、对部分特征选择的指标提供计算方法和代码，包括有：相关系数、互信息、KS、IV、L1正则化、单特征模型评分、特征重要度或系数大小、boruta特征评价、递归特征消除排序。2、提供特征选择的方法和代码：前向搜索法、遗传算法启发式搜索法，最佳特征检测法，# 本次项目使用的数据为以下数据， from sklearn . datasets import load_breast_cancer。