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. lendingclub贷款数据

  2. lending club 贷款数据 2018年第二季度的贷款数据 "id","member_id","loan_amnt","funded_amnt","funded_amnt_inv","term","int_rate","installment","grade","sub_grade","emp_title","emp_length","home_ownership","annual_inc","verification_status","issue_d","loan_status","p

  3. 所属分类：其它

    • 发布日期：2018-10-10
    • 文件大小：100mb
    • 提供者：jinwuzi

  1. LendingClub 2019年数据集下载

  2. 官网地址：https://www.lendingclub.com/statistics/additional-statistics，可自行下载也可下载本人的

  3. 所属分类：其它

    • 发布日期：2020-10-06
    • 文件大小：98mb
    • 提供者：MissXy_

  1. LendingClub 2018年数据集下载

  2. 官网地址：https://www.lendingclub.com/statistics/additional-statistics，可自行下载也可下载本人的

  3. 所属分类：Access

    • 发布日期：2020-10-06
    • 文件大小：94mb
    • 提供者：MissXy_

  1. LendingClub 2016年数据集下载

  2. 官网地址：https://www.lendingclub.com/statistics/additional-statistics，可自行下载也可下载本人的

  3. 所属分类：数据库

    • 发布日期：2020-10-06
    • 文件大小：82mb
    • 提供者：MissXy_

  1. LendingClub 2017年数据集下载

  2. 官网地址：https://www.lendingclub.com/statistics/additional-statistics，可自行下载也可下载本人的

  3. 所属分类：数据库

    • 发布日期：2020-10-06
    • 文件大小：84mb
    • 提供者：MissXy_

  1. 基于缺失值与异常值的分析对Lending Club数据进行预处理（有源码和数据）

  2. 以Lending Club的数据为基础，对数据进行预处理，非常实用，有数据和源码，欢迎大家一起学习进步。

  3. 所属分类：机器学习

    • 发布日期：2020-12-12
    • 文件大小：74kb
    • 提供者：weixin_42305672

  1. Credit_Risk_Analysis:监督机器学习和信用风险-源码

  2. 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

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：56kb
    • 提供者：weixin_42114046

  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. Credit_Risk_Analysis-源码

  2. Credit_Risk_Analysis 分析概述：解释此分析的目的。 该分析的目的已明确定义（4分） 结果：使用项目符号列表，描述所有六个机器学习模型的平衡准确性得分以及准确性和召回得分。 使用输出的屏幕截图支持结果。 有一个项目符号列表，描述了所有六个机器学习模型的平衡准确性得分以及准确性和召回得分（15分） 简介：总结机器学习模型的结果，并包括有关使用模型的建议（如果有）。 如果您不推荐任何模型，请说明理由。 结果摘要（2 pt）关于使用哪种模型的建议，或者没有理由的建议（3 pt

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：36kb
    • 提供者：weixin_42131618

  1. 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

  2. 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

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：16kb
    • 提供者：weixin_42176827