摘要：
模型融合，模型融合方式任意，并结合Task5给出你的最优结果。 例如Stacking融合，用你目前评分最高的模型作为基准模型，和其他模型进行stacking融合，得到最终模型及评分结果。 说明：这份数据集是金融数据（非原始数据，已经处理过了），我们要做的是预测贷款用户是否会逾期。表格中 "statu 阅读全文
摘要：
使用网格搜索法对5个模型进行调优（调参时采用五折交叉验证的方式），并进行模型评估，记得展示代码的运行结果。 时间：2天 1.利用GGridSearchCV调参 1.1参数选择 首先选择5个模型要调的参数，这里是根据以前在知乎看的一张图片（感谢大佬！） 1.2划分验证集 本来想用sklearn的模块划 阅读全文
摘要：
记录5个模型（逻辑回归、SVM、决策树、随机森林、XGBoost）关于accuracy、precision，recall和F1-score、auc值的评分表格，并画出ROC曲线。时间：2天 可以参照以下格式： 说明：这份数据集是金融数据（非原始数据，已经处理过了），我们要做的是预测贷款用户是否会逾期 阅读全文
摘要：
用逻辑回归、svm和决策树；随机森林和XGBoost进行模型构建，评分方式任意，如准确率等。（不需要考虑模型调参）时间：2天 数据集下载 说明：这份数据集是金融数据（非原始数据，已经处理过了），我们要做的是预测贷款用户是否会逾期。表格中 "status" 是结果标签：0表示未逾期，1表示逾期。 1. 阅读全文
摘要：
【Task2(2天)】特征工程 特征衍生 特征挑选：分别用IV值和随机森林等进行特征选择 ……以及你能想到特征工程处理 说明：这份数据集是金融数据（非原始数据，已经处理过了），我们要做的是预测贷款用户是否会逾期。表格中 "status" 是结果标签：0表示未逾期，1表示逾期。 描述：任务、遇到的问题 阅读全文
摘要：
1.引言 最近也学习了好几个月的机器学习，感觉知识也只停留在理论方面，但是大佬也说过实战很重要！！所以自己看了几篇Kaggle的文章。刚好前几天加入了一个打卡群，这是第一次发布的数据挖掘任务，在这里记录一下。 任务1 - 数据分析（2天）,任务1打卡链接提交截止日期为20190512晚上10点数据集 阅读全文