文件名称：Credit_Risk_Analysis
文件大小：2KB
文件格式：ZIP
更新时间：2024-04-16 22:54:47
概述 该分析将机器学习应用于检查信用卡风险。 信用卡信用数据集来自点对点贷款服务公司LendingClub。 从本质上讲，优质贷款的数量超过了风险贷款的数量。 这产生了不平衡的分类问题。 为了解决这个问题，该项目采用了不同的技术来训练和评估具有不平衡类的模型。 例如，不平衡学习库和scikit学习库使用重采样来构建和评估模型。 RandomOverSampler和SMOTE对数据进行过采样。 相反，ClusterCentroids算法对数据进行了欠采样。 接下来，SMOTEENN算法采用了过采样和欠采样的组合方法。 最后，两个新的机器学习模型BalancedRandomForestClassifier和EasyEnsembleClassifier减少了偏差并预测了信用风险。 结果 六个高级学习模型之间的准确性和精度得分有所不同。 1.过度采样：天真随机混淆矩阵： 预测为真 预测错误 其实
【文件预览】：
Credit_Risk_Analysis-main
----README.md(4KB)