Credit_Risk_Analysis:创建分析信用风险的模型

Credit_Risk_Analysis 创建分析信用风险的模型 背景 贷款是现代社会的重要组成部分 一方面，贷款不能创造收入，另一方面，如果贷款所有人不履行其财务义务，则存在风险。创建模型可以帮助我们在发放贷款之前分析所涉及的风险。 机器学习可帮助我们分析累积，敏感，过度采样和垃圾邮件不足等有用的算法。 机器学习教我们如何很好地处理个人方面。 目标 解释如何在数据分析中使用机器学习算法。 根据给定的数据集创建培训和测试组。 实现逻辑回归，决策树，随机森林和支持向量机算法。 解释逻辑回归，决策树，随机森林和支持向量机算法的结果。 比较每种监督学习算法的优缺点。 确定哪种监督学习算法最适合给定的数据集或方案。 使用集成和重采样技术来提高模型性能。 方法 该分析的目的是创建一个可以精确预测信用风险的监督式机器学习模型。 为了完成此任务，我使用了6种不同的方法，它们是： 天真的随