Python贷款违约预测:Logistic、Xgboost、Lightgbm、贝叶斯调参/GridSearchCV调参|数据分享
银行贷款业务是银行的主要盈利方式，对于具体的贷款申请人，是否可以同意贷款申请是一件十分重要的步骤，如果贷款人在贷款后出现违约行为，这将对银行的资金流稳定性造成不利的影响。因此针对贷款人的“数据信息”进行处理和违约预测具有举足轻重的作用。对于金融行业来说，贷款业务及人员信息十分复杂，对于数据特征的处理...
【Python机器学习】实验05 机器学习应用实践-手动调参2
1.8 如何选择超参数？比如多少轮迭代次数好？#1 利用pandas显示数据 path = 'ex2data1.txt' data = pd.read_csv(path, header=None, names=['Exam1', 'Exam2', 'Admitted']) ...
【Python机器学习】实验05 机器学习应用实践-手动调参1
机器学习应用实践上一次练习中，我们采用逻辑回归并且应用到一个分类任务。但是，我们用训练数据训练了模型，然后又用训练数据来测试模型，是否客观？接下来，我们仅对实验1的数据划分进行修改需要改的地方为：下面红色部分给出了具体的修改。1 训练数据数量将会变少2 评估模型时要采用测试集1.1 准备数据本实验的...
Python机器学习（sklearn）——分类模型评估与调参总结（下）
21.集成方法有随机森林（random forest）和梯度提升树（gradient boosted decision tree）GBDT 随机森林中树的随机化方法有两种： （1）通过选择用于构造树的数据点构造随机森林需要确定用于构造的树的个数为了确保树与树之间的区别，对每棵树的数据进行自助采样从样...
Python机器学习（sklearn）——分类模型评估与调参总结（上）
1.如果只划分测试集和训练集 经验是75%作为训练集 sklearn中的train_test_split()默认这样划分from sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = tra...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
