Loan_Eligibility_Prediction_v2
该项目的主要目标是根据赠予数据预测客户是否符合贷款制裁的条件。 最初,我们采用大量数据集来预测输出。 在这里,我们将使用通过Tensorflow实现的神经网络算法。
为什么选择神经网络?
众所周知,预测分析将诸如预测建模和机器学习之类的技术相结合,以分析过去的数据,从而预测未来的趋势。 但是神经网络不同于常规的预测工具。 与神经网络相比,最常用的模型-线性回归-实际上是处理事情的一种非常简单的方法。 由于具有隐藏层,因此神经网络在预测分析中的效果更好。 线性回归模型仅使用输入和输出节点进行预测。 神经网络还使用隐藏层使预测更加准确。 那是因为它“学习”人类的方式。
实施
该实现包含8个部分。,
数据集选择
识别库
预处理数据
分割数据i。 培训ii。 测试iii。 评估
设置神经架构
确定工作参数
拟合数据并增加权重
可视