文件名称：Credit_Risk_Analysis:监督机器学习和信用风险
文件大小：56KB
文件格式：ZIP
更新时间：2024-04-02 08:52:29
JupyterNotebook
Credit_Risk_Analysis 分析概述 使用对等借贷服务公司LendingClub的信用卡信用数据集，使用机器学习方法进行分析以预测信用卡风险。 使用以下技术来训练和评估模型： 不平衡学习库和scikit学习库，以便使用重采样来构建和评估模型。 使用RandomOverSampler和SMOTE算法对数据进行过采样。 使用ClusterCentroids算法对数据进行欠采样。 使用SMOTEENN算法的过采样和欠采样的组合方法。 比较两个机器学习模型，BalancedRandomForestClassifier和EasyEnsembleClassifier，以预测信用风险。 结果 使用项目符号列表，描述所有六个机器学习模型的平衡准确性得分以及准确性和召回得分。 使用输出的屏幕截图来支持您的结果。 模型1：天真随机过采样 使用朴素的随机过采样模型得到的平衡精度得分为0
【文件预览】：
Credit_Risk_Analysis-main
----credit_risk_resampling.ipynb(40KB)
----credit_risk_ensemble.ipynb(38KB)
----images()
--------naive_random_oversampling.PNG(7KB)
--------SMOTEENN_combosampling.PNG(7KB)
--------clustercentroids_undersampling.PNG(7KB)
--------EE_classifier.PNG(7KB)
--------SMOTE_oversampling.PNG(7KB)
--------BRF_classifier.PNG(7KB)
----README.md(4KB)