注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  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. 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. bank_customer-源码

  2. 银行客户 问题是什么？ 非正式的 分类的目的是预测客户是否会向银行进行特定的现金投资。 我在以下网站上在线找到了数据： : 正式的 如果说计算机程序可以从经验E中学习有关某类任务T和绩效指标P的信息，则该计算机程序是否可以通过经验E来提高在任务T中的绩效（由P衡量） E-具有有关客户端属性的客户端列表 T-分类客户是否会向银行进行特定的现金投资 P-以20％的精度最大化召回率； 目标是使每次通话的成功率达到20％，并尽可能多地销售 假设条件 星期几可能很重要，可能想尝试不同的转换 一个月

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：372736
    • 提供者：weixin_42134054

  1. Coursera-IBM-机器学习与Python的最终项目：Coursera-IBM-机器学习与Python的最终项目：最佳分类器，讲师-Saeed Aghabozorgi-源码

  2. Coursera-IBM-机器学习与Python最终项目 Coursera-IBM-机器学习与Python最终项目：最佳分类器，讲师-Saeed Aghabozorgi： 项目：建立分类器以预测是否将还清贷款案。 任务-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。 使用不同的分类算法-k最近邻（KNN），决策树，支持向量机（SVM）和Logistic回归分析邻域数据并建立最佳分类器作为预测模型。 当适用这些结果时，将使用以下度量标准将结果报告为每个分类器的准确性

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：680960
    • 提供者：weixin_42125770

  1. 贷款预测-不同分类-源码

  2. 贷款预测数据集 来自托管在以下的挑战： : 问题陈述： Dream Housing Finance公司处理所有房屋贷款。 他们遍布所有城市，半城市和农村地区。 客户在该公司确认客户的贷款资格后，首先申请房屋贷款。 该公司希望在填写在线申请表时，根据提供的客户详细信息自动化贷款资格流程（实时）。 这些详细信息包括性别，婚姻状况，教育程度，家属人数，收入，贷款金额，信用记录等。 为了使这一过程自动化，他们遇到了一个问题，即要确定有资格获得贷款金额的客户群，以便他们可以专门针对这些客户。 在这

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：275456
    • 提供者：weixin_42151729

  1. 家庭作业-分类-源码

  2. 冒险生意 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，您将构建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练和评估具

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：656384
    • 提供者：weixin_42134554

  1. Credit_Risk_Analysis：UT McCombs数据新手训练营：模块17：受监督的机器学习和信用风险-源码

  2. Credit_Risk_Analysis UT McCombs数据新手训练营：模块17：受监督的机器学习和信用风险 贷款预测风险分析概述： 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。 使用了不同的技术来训练和评估具有不平衡类的模型。 各种库和算法用于通过重采样来构建和评估模型，包括： 学习失衡 scikit学习 RandomOverSampler SMOTE算法 ClusterCentroids算法 SMOTEENN算法 BalancedRandomForestCla

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：22020096
    • 提供者：weixin_42164534

  1. 机器学习-贷款-贷款俱乐部：建筑物分类和预测模型，用于将贷款申请人的请求分类为批准或拒绝，然后预测贷款批准的利率-源码

  2. 机器学习贷款贷款俱乐部 我们正在一家银行工作，正在考虑在Lending club进行投资。 由于没有标准模型，因此我们希望构建预测模型，以帮助您根据用户输入的各种参数来预测利率。 第1部分：数据整理和探索性数据分析 数据下载和预处理 我们的第一个挑战是从以编程方式下载数据。我们的目标是从网站以编程方式下载数据并为整个数据库创建一个数据集。 探索性数据分析： 使用R / Python编写Jupyter笔记本以图形方式表示不同的数据摘要。在此笔记本中总结您的发现。 总结关于不同用户配置文件，状

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：42991616
    • 提供者：weixin_42116705