【文件属性】:
文件名称:Credit_Risk_Analysis
文件大小:20.04MB
文件格式:ZIP
更新时间:2021-04-07 02:08:20
JupyterNotebook
信用风险分析
概述
机器学习可以用来预测信用风险。 通过使用它,它不仅可以提供更快,更可靠的贷款体验,还可以更准确地确定良好的候选贷款人,从而降低违约率。 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。 因此,需要采用不同的技术来训练和评估具有不平衡类的模型。 已经建立并评估了许多监督的机器学习模型或算法,以预测信用风险。
使用的监督机器学习模型:
天真的随机过采样
SMOTE过采样
群集质心欠采样
SMOTEENN组合(上下采样)
平衡随机森林分类器
Easy Ensemble ADABoost分类器
利用资源来完成分析
数据来源:
语言: Python
Python依存关系: numpy,pandas,pathlib,collections,scikit-learn,inbalanced-learn
工具: MS Excel,Jupyter Notebook
【文件预览】:
Credit_Risk_Analysis-main
----README.md(3KB)
----credit_risk_resampling.ipynb(122KB)
----Resources()
--------LoanStats_2019Q1.zip(19.94MB)
--------Classification_Report_Balanced_Random_Forest_Classifier.JPG(21KB)
--------Classification_Report_Cluster_Centroids_Undersampling.JPG(21KB)
--------Classification_Report_Easy_Ensemble_ADABoost_Classifier.JPG(21KB)
--------Classification_Report_SMOTEENN_Combination_Sampling.JPG(21KB)
--------Classification_Report_Naive_Random_Oversampling.JPG(21KB)
--------Classification_Report_SMOTE_Oversampling.JPG(21KB)
----credit_risk_ensemble.ipynb(39KB)