文件名称:
机器学习：该项目使用来自Lending Club的免费数据来构建和评估几种机器学习模型，以预测信用风险。 我们采用了不同的技术来训练和评估班级不平衡的模型。 使用不平衡学习和Scikit学习库-源码
开发工具:
文件大小: 16kb
下载次数: 0
上传时间: 2021-02-09
详细说明：机器学习
该练习包括一方面使用不同的重采样技术来分析信用风险，另一方面使用集成技术来分析信用风险。
在第一部分中，我们将使用过采样，欠采样以及组合的（过高和不足）采样技术来查看哪种模型在预测信用风险方面做得更好。
在第二部分中，我们将使用不同的集成技术进行相同的操作，以查看哪种模型在预测信用风险方面也做得更好。
分析记录位于ipynb文件中。
重采样技术：
哪种型号的平衡准确度得分最高？
在本练习中，我们使用了4个模型：朴素的随机过采样，SMOTE过采样，欠采样和组合（上下采样）采样。
SMOTE过采样模型产生的最佳平衡精度得分为0.8388510243681058，紧随其后的是组合采样（上下采样）为0.8388319216626994，而朴素的随机过采样率为0.8325468421491353。 欠采样模型位于0.8215575767118339处，但是必须注意，所有平衡精
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
