【文件属性】：
文件名称：Credit_Risk_Analysis
文件大小：58.09MB
文件格式：ZIP
更新时间：2021-03-29 13:05:39
JupyterNotebook
Credit_Risk_Analysis
贷款预测风险分析概述
通过采用不同的技术来训练和评估模型，将机器学习应用于评估信用卡风险。
六种机器学习模型的结果
随机过采样器
平衡准确度得分：65％精确度得分：1％召回得分：62％
冒烟
平衡准确度得分：64％精确度得分：1％召回得分：63％
簇质心
平衡准确度得分：52％精确度得分：1％召回得分：61％
Smoteenn
平衡准确度得分：63％准确度得分：1％召回得分：71％
平衡随机森林分类器
平衡准确率：79％准确率：3％召回率：70％
简易合奏分类器
平衡准确率：93％准确率：9％召回率：92％
结果汇总
基于abaove分析，我建议使用Easy Ensemble分类器模型来确定信用风险，因为它显示的最高准确度得分为93％。
【文件预览】：
Credit_Risk_Analysis-main
----README.md(2KB)
----submit()
--------credit_risk_resampling.ipynb(42KB)
--------credit_risk_ensemble.ipynb(38KB)
--------LoanStats_2019Q1.csv(88.99MB)
--------.ipynb_checkpoints()
----credit_risk_resampling.ipynb(42KB)
----Resources()
--------LoanStats_2019Q1.csv(88.99MB)
----Images1()
--------SMOTEENN_Classification Report.png(79KB)
--------Screen Shot 2021-03-28 at 9.36.51 PM.png(53KB)
--------Screen Shot 2021-03-28 at 9.37.43 PM.png(78KB)
--------Smote_Accuracy Score.png(55KB)
--------Random Over Sampler_Accuracy Score.png(69KB)
--------Smote_Classification Report.png(76KB)
--------Screen Shot 2021-03-28 at 9.37.09 PM.png(76KB)
--------Screen Shot 2021-03-28 at 9.37.30 PM.png(53KB)
--------ClusterCentroids_Accuracy Score.png(54KB)
--------Random Over Sampler_Classification Report.png(91KB)
--------ClusterCentroids_Classification Report.png(76KB)
--------SMOTEENN_Accuracy Score.png(54KB)
----Module-17-Challenge-Resources()
--------credit_risk_ensemble_starter_code.ipynb(36KB)
--------credit_risk_resampling_starter_code.ipynb(38KB)
--------LoanStats_2019Q1.csv(88.99MB)
----credit_risk_ensemble.ipynb(38KB)
----.ipynb_checkpoints()
--------credit_risk_ensemble-checkpoint.ipynb(18KB)
--------credit_risk_resampling-checkpoint.ipynb(47KB)
----Requirements(963B)
----.DS_Store(12KB)
----Images()
--------Random Over Sampler.png(201KB)
--------Cluster Centroids.png(170KB)
--------SMOTE Oversampling.png(169KB)
--------Balanced Random Forest Classifier.png(169KB)
--------Easy Ensemble AdaBoost classifier.png(170KB)
--------SMOTEENN .png(175KB)