没有合适的资源?快使用搜索试试~ 我知道了~
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...
共3个文件
ipynb:2个
md:1个
需积分: 45 11 下载量 159 浏览量
2021-02-09
19:50:41
上传
评论 1
收藏 16KB ZIP 举报
温馨提示
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。 SMOTE过采样模型产生的最佳平衡精度得分为0.8388510243681058,紧随其后的是组合采样(上下采样)为0.8388319216626994,而朴素的随机过采样率为0.8325468421491353。 欠采样模型位于0.8215575767118339处,但是必须注意,所有平衡精
资源推荐
资源详情
资源评论
收起资源包目录
Machine-Learning-master.zip (3个子文件)
Machine-Learning-master
credit_risk_resampling.ipynb 43KB
credit_risk_ensemble.ipynb 41KB
README.md 3KB
共 3 条
- 1
资源评论
LinSha
- 粉丝: 13
- 资源: 4615
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功