Credit_Risk_Analysis 分析概述 使用对等借贷服务公司LendingClub的信用卡信用数据集，使用机器学习方法进行分析以预测信用卡风险。 使用以下技术来训练和评估模型： 不平衡学习库和scikit学习库，以便使用重采样来构建和评估模型。 使用RandomOverSampler和SMOTE算法对数据进行过采样。 使用ClusterCentroids算法对数据进行欠采样。 使用SMOTEENN算法的过采样和欠采样的组合方法。 比较两个机器学习模型，BalancedRan

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

监督机器学习和信用风险分析 分析概述 该分析的目的是使用机器学习算法预测信用风险。 在整个分析过程中，都评估了机器学习模型的优缺点。 使用RandomOverSampler和SMOTE算法对数据进行过采样。 使用ClusterCentroids算法对数据进行欠采样。 SMOTEEN算法用于过采样和欠采样的组合方法。 利用BalancedRandomForestClassifier和EasyEnsembleClassifier来预测信用风险。 结果 天真的随机过采样结果： 平衡准确度得分