文件名称：家庭作业-分类
文件大小：641KB
文件格式：ZIP
更新时间：2024-03-08 17:42:34
JupyterNotebook
冒险生意 背景 抵押贷款，学生贷款和汽车贷款以及债务合并只是人们在网上寻求的信贷和贷款的一些示例。 点对点贷款服务（例如，加拿大贷款公司和Mogo公司）允许投资者在不使用银行的情况下向人们贷款。 但是，由于投资者一直希望减轻风险，因此客户要求您使用机器学习技术帮助他们预测信用风险。 在本作业中，您将构建和评估几种机器学习模型，以使用通常从对等借贷服务中看到的数据来预测信用风险。 信用风险是一个固有的不平衡分类问题（优质贷款的数量远远大于风险贷款的数量），因此您将需要采用不同的技术来训练和评估具有不平衡类的模型。 您将使用以下两种技术使用不平衡学习和Scikit学习库来构建和评估模型： 档案 指示 重采样 使用库对LendingClub数据进行重新采样，并使用重新采样的数据构建和评估逻辑回归分类器。 你需要： 使用Naive Random Oversampler和SMOTE算法对数据进
【文件预览】：
Homework--Classification-master
----.ipynb_checkpoints()
--------README-checkpoint.md(26B)
----README.md(4KB)
----Starter_Code()
--------credit_risk_ensemble.ipynb(14KB)
--------Resources()
--------credit_risk_resampling.ipynb(23KB)
--------.ipynb_checkpoints()