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)
多亏了吉尔,我使用了来自LendingClub的可信卡数据集,以使用RandomOverSampler和SMOTE算法对数据进行过采样。 我还将使用ClusterCentroids算法对数据进行欠采样。 通过这些方法,我使用SMOTEENN算法来组合过采样和欠采样方法。 使用BalancedR