您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. AnalyticsVidhya-Job-a-thon-solution:我参加了2021年2月26日至28日的这次黑客马拉松。 该存储库包含我的解决方案,该解决方案在AV排行榜上给了我0.68的得分和254的排名-源码

  2. 分析Vidhya作业解决方案 是Google Analytics(分析)Vidhya于2021年2月26日至28日举办的黑客。 该存储库包含我的解决方案,该解决方案在AV排行榜上给了我0.68分和254位。 问题陈述: 您的客户FinMan是一家金融服务公司,向其客户提供各种金融服务,例如贷款,投资基金,保险等。 Finman希望将健康保险交叉销售给可能会或可能不会持有公司保单的现有客户。 一旦这些客户登陆网站,该公司就会根据其个人资料向其客户推荐健康保险。 客户可以浏览推荐的健康保险政策,并
  3. 所属分类:其它

    • 发布日期:2021-03-14
    • 文件大小:201728
    • 提供者:weixin_42168230
  1. Lending-Club-源码

  2. 借贷俱乐部 贷款默认分类模型和客户群聚类 点对点借贷,也称为P2P借贷,是通过使贷方与借贷方匹配的在线平台向个人和企业借贷的做法。 P2P借贷使个人能够获得贷款,同时避开金融机构作为中介。 Lending Club是领先的P2P借贷平台之一,现已向超过300万客户提供了超过450亿美元的贷款。 该平台的运作方式是,借款人可以通过填写一个应用程序在网站上创建贷款清单,该应用程序会要求他们提供有关自己和贷款要求的详细信息,例如贷款原因,他们的年收入,信用记录等。Lending Club列出申请并符合
  3. 所属分类:其它

    • 发布日期:2021-03-14
    • 文件大小:520192
    • 提供者:weixin_42120275
  1. Health-Insurance-Lead-Prediction-源码

  2. 健康保险线索预测 表中的内容 概述 您的客户FinMan是一家金融服务公司,向其客户提供各种金融服务,例如贷款,投资基金,保险等。 Finman希望将健康保险交叉销售给可能会或可能不会持有公司保单的现有客户。 一旦这些客户登陆网站,该公司就会根据其个人资料向其客户推荐健康保险。 客户可以浏览推荐的健康保险政策,并因此填写一份申请表。 当这些客户填写表格时,他们对政策的回应被认为是积极的,并且被分类为潜在客户。 一旦获得这些潜在客户,销售顾问便会联系他们进行转换,从而使公司可以更有效地向这些潜在
  3. 所属分类:其它

    • 发布日期:2021-03-10
    • 文件大小:1048576
    • 提供者:weixin_42122878
  1. Credit_Risk_Analysis-源码

  2. 信用风险分析 项目概况 吉尔赞扬您的辛勤工作。 您已经逐步建立了数据准备,统计推理和机器学习方面的技能。 您现在可以应用机器学习来解决现实世界中的挑战:信用卡风险。 信用风险是固有的不平衡分类问题,因为优质贷款容易超过风险贷款。 因此,您将需要采用不同的技术来训练和评估具有不平衡类的模型。 Jill要求您使用imbalanced-learn和scikit-learn库来通过重采样来构建和评估模型。 运用借贷俱乐部,一个社交借贷服务公司信用卡的信用数据集,你会使用过采样的数据RandomOve
  3. 所属分类:其它

    • 发布日期:2021-03-10
    • 文件大小:19922944
    • 提供者:weixin_42165583
  1. creditrisk-源码

  2. Lending Club数据信用风险分析-预测违约 介绍 对于这个项目,我从Lending Club批准的2007年至2011年的个人贷款中选择了一个数据集。可以在上找到该数据。 分析的目的是提高盈利能力,并帮助公司和投资者确定利率。 我们将使用机器学习模型将信用风险建模为二进制分类问题。 表中的内容 简介导入库创建功能混淆矩阵图特征重要性图ROC曲线图最低PCA FPR和TPR 探索性数据分析 读取数据 探索数据-目标列-功能选择 打扫 缺失值 格式化数值数据 为分类创建虚拟变量 造型 选择绩
  3. 所属分类:其它

    • 发布日期:2021-03-07
    • 文件大小:151552
    • 提供者:weixin_42110070
  1. machine-learning-about-online-debt-:通过机器学习对在线债务的信用风险进行分析-源码

  2. 基于机器学习算法的网络信用风险评估 通过机器学习在线债务的信用风险分析 项目简介 项目初步利用机器学习算法,试图通过对网贷平台现有数据的分析,对借贷交易进行预测,判断引用客户违约约还款的可能性,为相关网络平台提供方案,从而减少平台与客户的潜在损失,维护网络贷款交易的安全性。 首先使用Python的爬虫从P2P网贷平台上获取了1726条借贷数据,其中违约数据571条,未违约数据1155条。接着使用了决策树,支持向量机,线性判别分析来处理网贷违约与否的二分类问题,和创新性的对线性判别分析法进行了改进
  3. 所属分类:其它

    • 发布日期:2021-03-06
    • 文件大小:2097152
    • 提供者:weixin_42134338
  1. machine_learning-源码

  2. 单元11-风险业务 背景 抵押贷款,学生贷款和汽车贷款以及债务合并只是人们在网上寻求的信贷和贷款的一些示例。 点对点贷款服务(例如,加拿大贷款公司和Mogo公司)允许投资者在不使用银行的情况下向人们贷款。 但是,由于投资者一直希望减轻风险,因此客户要求您使用机器学习技术帮助他们预测信用风险。 在本作业中,您将建立和评估几种机器学习模型,以使用通常从对等借贷服务中看到的数据来预测信用风险。 信用风险是一个固有的不平衡分类问题(优质贷款的数量远远大于风险贷款的数量),因此您将需要采用不同的技术来训
  3. 所属分类:其它

    • 发布日期:2021-03-06
    • 文件大小:8388608
    • 提供者:weixin_42161497
  1. Loan-Default-Prediction:该项目旨在确定贷款违约率与贷款数据集中的特征变量之间的相关性。 建立了一个模型来预测客户是否会拖欠他的贷款-源码

  2. 贷款违约预测 该项目旨在确定贷款违约率与贷款数据集中的特征变量之间的相关性。 建立模型来预测客户是否会拖欠他/她的贷款。 两种回归/分类算法用于预测响应变量loan_default 。 使用的模型是-Logistic回归和决策树。 分析:- 有一些变量会大大影响客户拖欠贷款的可能性。 银行利率影响客户的贷款违约率。 使用数据分析技术,可以观察到利率低于9.75%的贷款从未违约,而利率高于或等于14%的所有贷款都没有违约。 这促使需要降低利率或鼓励客户选择低利率贷款方案,以避免不必要的违约。
  3. 所属分类:其它

    • 发布日期:2021-03-05
    • 文件大小:2048
    • 提供者:weixin_42140716
  1. Credit_Risk_Analysis-源码

  2. 信用风险分析 贷款预测风险分析概述: 此信用风险分析项目的目的是评估不同模型的性能,以预测信用风险。 这主要是通过使用机器学习和重采样来实现的。 结果: 以下是我们六个机器学习模型的结果。 天真采样 平衡随机森林分类器采样 简易合奏采样 天真的随机过采样 SMOTE过采样 欠采样 概括: 总体而言,尽管测试似乎有些准确,但我不建议将其用作主要工具,因为欠采样和重采样都不会对我们的分析逻辑回归模型造成整体上的重大变化。
  3. 所属分类:其它

    • 发布日期:2021-03-04
    • 文件大小:20971520
    • 提供者:weixin_42099858
  1. JOB-A-THON:此存储库包含与Analytics Vidhya进行的与JOB-A-THON相关的代码和方法文档-源码

  2. 求职 此存储库包含与Analytics Vidhya进行的JOB-A-THON相关的代码和方法文档。 链接到比赛。 问题陈述 您的客户FinMan是一家金融服务公司,向其客户提供各种金融服务,例如贷款,投资基金,保险等。 Finman希望将健康保险交叉销售给可能会或可能不会持有公司保单的现有客户。 一旦这些客户登陆网站,该公司就会根据其个人资料向其客户推荐健康保险。 客户可以浏览推荐的健康保险政策,并因此填写一份申请表。 当这些客户填写表格时,他们对政策的回应被认为是积极的,并且被分类为潜在客户
  3. 所属分类:其它

    • 发布日期:2021-03-03
    • 文件大小:2097152
    • 提供者:weixin_42114580
  1. AV Job-a-thon:AV Job-a-thon-源码

  2. AV作业 健康保险线索预测 您的客户FinMan是一家金融服务公司,向其客户提供各种金融服务,例如贷款,投资基金,保险等。 Finman希望将健康保险交叉销售给可能会或可能不会持有公司保单的现有客户。 一旦这些客户登陆网站,该公司就会根据其个人资料向其客户推荐健康保险。 客户可以浏览推荐的健康保险政策,并因此填写一份申请表。 当这些客户填写表格时,他们对政策的回应被认为是积极的,并且被分类为潜在客户。 一旦获取了这些潜在客户,销售顾问就会联系他们进行转换,因此公司可以更有效的方式向这些潜在客户
  3. 所属分类:其它

    • 发布日期:2021-03-03
    • 文件大小:2097152
    • 提供者:weixin_42119281
  1. AV-JOB-A-THON-源码

  2. AV-JOB-A-THON 健康保险线索预测 您的客户FinMan是一家金融服务公司,向其客户提供各种金融服务,例如贷款,投资基金,保险等。 Finman希望将健康保险交叉销售给可能会或可能不会持有公司保单的现有客户。 一旦这些客户登陆网站,该公司就会根据其个人资料向其客户推荐健康保险。 客户可以浏览推荐的健康保险政策,并因此填写一份申请表。 当这些客户填写表格时,他们对政策的回应被认为是积极的,并且被分类为潜在客户。 一旦获取了这些潜在客户,销售顾问就会联系他们进行转换,因此公司可以更有效
  3. 所属分类:其它

    • 发布日期:2021-03-03
    • 文件大小:100352
    • 提供者:weixin_42118423
  1. AV-JOB-A-THON:2级解决方案-源码

  2. AV作业 健康保险线索预测 您的客户FinMan是一家金融服务公司,向其客户提供各种金融服务,例如贷款,投资基金,保险等。 Finman希望将健康保险交叉销售给可能会或可能不会持有公司保单的现有客户。 一旦这些客户登陆网站,该公司就会根据其个人资料向其客户推荐健康保险。 客户可以浏览推荐的健康保险政策,并因此填写一份申请表。 当这些客户填写表格时,他们对政策的回应被认为是积极的,并且被分类为潜在客户。 一旦获取了这些潜在客户,销售顾问就会联系他们进行转换,因此公司可以更有效的方式向这些潜在客户
  3. 所属分类:其它

    • 发布日期:2021-03-03
    • 文件大小:111616
    • 提供者:weixin_42120541
  1. jd-loan-paid-off-project:开发分类模型,以预测将要还清或拖欠贷款的客户。 将使用KNN,决策树,SVM和Logistic回归模型-源码

  2. 预测还清或拖欠的贷款 开发分类模型,以预测将偿还或拖欠其贷款的客户。 将使用KNN,决策树,SVM和Logistic回归模型。 在课程中构建的项目。 pt-br 客户的分类和建模能力不足。 模型,决策树,SVM和Logistic回归。 使用Python 机器学习的Projeto construido durante o curso de机器学习。 安装 依存关系 开发此项目的依赖项如下: pip install scikit-learn 用户安装 您需要安装jupyter笔记本,以及n
  3. 所属分类:其它

    • 发布日期:2021-03-01
    • 文件大小:62464
    • 提供者:weixin_42129113
  1. 贷款分类-源码

  2. 贷款分类 在这个项目中,我将在数据集上练习所有分类算法。 该数据集是关于过去的贷款。 Loan_train.csv数据集包含346个已经清还或拖欠贷款的客户的详细信息。 对于清理数据后的该项目,我使用了k最近邻,决策树,支持向量机和Logistic回归。 为了评估模型的准确性,我使用了一些指标,例如Jaccard索引,F1-score和LogLoass。
  3. 所属分类:其它

    • 发布日期:2021-02-23
    • 文件大小:4096
    • 提供者:weixin_42178963
  1. ga-dsi-capstone-源码

  2. 顶峰项目-贷款分类 背景 点对点借贷或P2P借贷已经存在了十多年。 个人通过在线平台向各种借款人提供贷款。 在过去的几年中,随着P2P贷款蓬勃发展到数十亿美元的行业,它的使用量激增。 这种形式的贷款从方程式中消除了传统的参与者,即银行。 在新加坡,有以下平台: 协同资产 Minterest 塞丁 资助社团 大写匹配 穆拉感 Validus 由于缺乏监管和强制执行,P2P贷款被认为是高风险产品。 散户贷款给借款人时,个人投资者可能不会理解所输入的风险水平。 这可以从各种平台的评论中看出。 问
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:4194304
    • 提供者:weixin_42127748
  1. Alteryx预测默认风险的分类模型-源码

  2. Alteryx预测默认风险的分类模型 信誉度 步骤1:了解业务和数据 需要做出什么决定? 主要目标是预测该人值得获得信贷,根据他的历史记录,鉴于其个人特征/变量,所涉及的风险是多少。 需要哪些数据来告知这些决定? 需要历史数据(包括他的年龄/状态/以前的记录等)来预测可能的最佳结果,无论他/她是否退还贷款。 我们需要使用哪种模型(连续,二进制,非二进制,时间序列)来帮助做出这些决策? 由于我们试图预测一个人是否值得,因此它明确指出了一个二元问题,因此我们需要为此使用二元模型。 步骤2:建立
  3. 所属分类:其它

    • 发布日期:2021-02-15
    • 文件大小:1048576
    • 提供者:weixin_42106357
  1. 贷款分类:该项目的目的是建立一个经过训练的ANN模型,以预测新的潜在客户是否会偿还其贷款-源码

  2. 贷款分类 该项目的目的是建立一个经过训练的ANN模型,以预测新的潜在客户是否会偿还其贷款。 数据集 从Kaggle下载。 此数据中有151列。 允许您修剪大多数不相关的功能。 安装 pip install tensorflow==2.4.0 pip install matplotlib==3.1.1 pip install pandas==0.25.2 pip install scikit-learn==0.21.3 pip install seaborn==0.9.0 型号汇总 允许您使用预处
  3. 所属分类:其它

    • 发布日期:2021-02-12
    • 文件大小:261120
    • 提供者:weixin_42113552
  1. ML_Algorithms:从以前的贷款申请中加载历史数据集,清理数据,并对数据应用不同的分类算法-源码

  2. ML_Algorithms:从以前的贷款申请中加载历史数据集,清理数据,并对数据应用不同的分类算法
  3. 所属分类:其它

    • 发布日期:2021-02-11
    • 文件大小:50176
    • 提供者:weixin_42166623
  1. ML_Algorithms:从以前的贷款申请中加载历史数据集,清理数据,并对数据应用不同的分类算法-源码

  2. ML_Algorithms:从以前的贷款申请中加载历史数据集,清理数据,并对数据应用不同的分类算法
  3. 所属分类:其它

    • 发布日期:2021-02-11
    • 文件大小:50176
    • 提供者:weixin_42128270
« 12 »