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. 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：197kb
    • 提供者：weixin_42168230

  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

  1. Loan-Default-Prediction:该项目的目的是建立一个机器学习模型，以通过评估某些属性来预测是否应向个人提供贷款-源码

  2. 贷款违约预测 如果您发现此代码对您的研究有用，请引用以下论文： 该项目的目的是建立一个机器学习模型，以通过评估某些属性来预测是否应向个人提供贷款。 本项目中使用的2种ML算法是： 决策树 随机森林 该存储库包含以下文件： 数据 LCData字典Lending Club数据集中所有列的描述的Excel文件。 工程书该项目的Jupyter笔记本。 自述文件 由于数据集非常大，无法上传到github，因此这是Lending Club数据集的链接：

  3. 所属分类：其它

  1. SPS-8913-Credit-Card-Fraud-Prediction-using-IBM-Auto-AI:使用IBM Auto AI进行信用卡欺诈预测-源码

  2. SPS-8913-使用IBM-Auto-AI的信用卡欺诈欺诈预测 使用IBM Auto AI进行信用卡欺诈预测 项目描述： 该项目讨论构建用于创建可以在不同场景中使用的预测的系统。 它着重于预测欺诈交易，这可以减少金钱损失和降低风险。 该项目旨在构建一个Web应用程序，该应用程序通过获取输入值来自动估计是否存在欺诈风险。 使用IBM AutoAI，我们可以自动构建针对不同需求的预测模型所涉及的所有任务。 您可以从一个数据集创建一个模型，该数据集包括性别，已婚，受抚养者，受教育程度，自雇人员，申

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：260kb
    • 提供者：weixin_42165973

  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：148kb
    • 提供者：weixin_42110070

  1. MachineLearningModel-源码

  2. 房利美贷款预测器机器学习模型 约瑟夫·尼罗（Joseph Nero） 描述 这是一个端到端的机器学习模型，该模型将使用各种借款人数据来预测房利美获得的贷款是否将进入止赎状态。 约瑟夫·尼罗（Joseph Nero） :wrench: 设置/安装要求 如果您在执行下面列出的任何步骤/说明时遇到困难，请通过与我联系。 Git Bash（或其他终端程序）和Git。 要在终端中使用git命令从Github克隆存储库，您需要一个终端程序＆Git。 对于Windows OS，我建议使用Git Bash

  3. 所属分类：其它

  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

  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

  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

  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：20mb
    • 提供者：weixin_42099858

  1. 医疗保险费用预测器-源码

  2. 医疗保险费用预测器 该项目预测个人的医疗保险费用。 该模型通过考虑人的年龄，性别，bmi，孩子的数量以及个人是否吸烟来预测成本。 为什么使用此数据集？ 我选择此数据集是因为预测个人的医疗保险费用将帮助保险公司选择价格，银行相应地发放贷款，并且，个人将了解有关保险费用和计划其财务状况的费用因此。 使用的算法 线性回归已用于训练模型。 80％的数据集已用于训练数据集，而20％的数据已用于测试。 绘制数据后，可以看到该图是一条直线。 因此，已使用线性回归。 该模型的方差得分约为0.80。 如果模

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：19kb
    • 提供者：weixin_42115513

  1. 银行营销产品营销活动：它包含一个在python的jupyter笔记本中完成的项目，基于python的贷款预测模型，其中包含5000个银行客户的数据集-源码

  2. 银行产品营销活动 它由一个在python的jupyter笔记本中完成的，基于贷款预测模型的项目组成，该模型包含5000个银行客户的数据集。

  3. 所属分类：其它

  1. 贷款预测模型-源码

  2. 机器学习项目 贷款是银行的核心业务。 主要利润直接来自贷款利息。 贷款公司经过大量的验证和确认过程后才发放贷款。 但是，他们仍然不确定申请人是否能够无困难地偿还贷款。 此模型有助于执行相同的操作。

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：96kb
    • 提供者：weixin_42131728

  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：665kb
    • 提供者：weixin_42125770

  1. datsci：用于Springboard数据科学认证计划的数据科学项目-源码

  2. 达奇 我的数据科学项目的存储库，用于获得Springboard数据科学认证等。 一个使用Lending Club贷款数据的项目，其中包括数据科学管道的所有阶段。 一个使用多个COVID-19数据集比较COVID-19预测模型的项目。 截至2020年8月11日仅比较单日的未来预测 各种小型项目，从SQL到Spark以及许多其他数据科学工具。

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：14mb
    • 提供者：weixin_42099936

  1. Forecasting_loan_profit_margin-源码

  2. 贷款利润率预测指标 描述 贷款利润率预测器模型将根据给定被借方的多个特征来预测商业贷款的利润率（收益率）。 Jupyter Notebook中的Python脚本合并了财务和sic代码文件，清理了数据，生物区域和行业特征，运行XGB模型并调整了超参数。 预测模型是极端梯度提升机集成模型。 数据源 贷款财务公司提供的4个数据集：“拖欠率和Scores.xlsx”“ Demographics.xlsx”“ Financials.xlsx”“经营年限和Yield.xlsx” 从网上下载了1个数据集

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：15mb
    • 提供者：weixin_42104906

  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：21mb
    • 提供者：weixin_42164534

  1. 银行的财务和预测建模：使用监督学习技术构建模型，以找出可交叉销售个人贷款的可盈利部分。 进行数据分析以识别趋势和变量相关性：神经网络，随机森林，CART，数据挖掘-源码

  2. 银行的财务和预测模型 使用监督学习技术构建模型，以找出可交叉销售个人贷款的可盈利部分。 进行数据分析以识别趋势和变量相关性：神经网络，随机森林，CART，数据挖掘

  3. 所属分类：其它

  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：41mb
    • 提供者：weixin_42116705

  1. 使用机器学习和Python进行贷款预测：使用xgboost和表决汇总技术设计预测模型，并使用pandas，seaborn和matplotlib从数据中提取见解-源码

  2. 使用机器学习和Python进行贷款预测：使用xgboost和表决汇总技术设计预测模型，并使用pandas，seaborn和matplotlib从数据中提取见解

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：352kb
    • 提供者：weixin_42131785
« 12 »