贷款大数据分析
微信扫码沟通，客服可协助直接对接工程师；如当前档期不合，也可继续推荐相似案例作者。
案例介绍
将对来自美国小企业管理局(SBA)的约89万条借款企业的贷款数据进行分析，包括利用Python软件对数据集进行数据清洗、数据分析以及建模分析。因为该数据集的样本配比不均衡，所以在建模前使用了欠采样和smote过采样相结合的方法来处理该问题。贷款决策实际上是一个二分类问题，因此本例结合数据集性质建立的二分类模型有：单一模型K近邻、逻辑回归、决策树，和集成模型随机森林、GBDT、XGBoost。并且还通过调参来对各个模型进行优化，提升其在数据集上的分类效果。经分析结果发现，随机森林和XGBoost的分类效果最好，这也反映出在对大数据集的应用上，集成模型比单一模型有着更好的性能。
贷款大数据分析
联系该工程师
微信扫码，建群沟通
案例介绍
将对来自美国小企业管理局(SBA)的约89万条借款企业的贷款数据进行分析，包括利用Python软件对数据集进行数据清洗、数据分析以及建模分析。因为该数据集的样本配比不均衡，所以在建模前使用了欠采样和smote过采样相结合的方法来处理该问题。贷款决策实际上是一个二分类问题，因此本例结合数据集性质建立的二分类模型有：单一模型K近邻、逻辑回归、决策树，和集成模型随机森林、GBDT、XGBoost。并且还通过调参来对各个模型进行优化，提升其在数据集上的分类效果。经分析结果发现，随机森林和XGBoost的分类效果最好，这也反映出在对大数据集的应用上，集成模型比单一模型有着更好的性能。
案例图片
1小时精推人才
需求方专属客服，免费梳理匹配
扫码加微信 · 客服人工对接
