Credit_Risk_Analysis:使用scikit学习和不平衡学习的信用风险分析

Credit_Risk_Analysis 项目概况 应用机器学习解决现实挑战：信用卡风险。 项目任务 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。 信用卡公司必须评估新的客户信贷申请，以评估申请人的信贷风险。 该项目的目标是建立一个分类模型，该模型可以预测申请人是喜欢低信用风险还是高信用风险。 信用卡公司可以使用此信息来确定是否应批准申请人。 我们将采用不同的技术来训练和评估具有不平衡类的模型，并使用重采样来评估模型。 然后，我们将评估这些模型的性能，并就是否应将其用于预测信用风险提出书面建议。 技术成果 交付品1：使用重采样模型预测信用风险 交付品2：使用SMOTEENN算法预测信用风险 交付品3：使用集成分类器预测信用风险 结果 根据三个不同的标准，描述所有六个机器学习模型的平衡精度得分以及精度和召回得分。 准确性得分-衡量模型正确标记所有预测的可能性的度量。