一些风控知识
摘要：切比雪夫大数定理 所有数据中，至少有3/4（或75%）的数据位于平均数2个标准差范围内。 所有数据中，至少有8/9（或88.9%）的数据位于平均数3个标准差范围内。 所有数据中，至少有24/25（或96%)的数据位于平均数5个标准差范围内 协方差和相关系数的关系与区别 协方差： 协方差表示的是两个变
阅读全文
模型理论知识
摘要：人工智能：机器学习、对环境的感知、实现动作 机器学习 学习： 2.机器学习三要素：数据、算法、模型 机器学习研究的是从数据中通过选取合适的算法，自动的归纳逻辑或规则，并根据这个归纳的结果(模型)与新数据来进行预测。 3.深度学习是在机器学习的基础上实现的，得益于机器性能的提升。神经网络则是深度学习的
阅读全文
模型评价指标
摘要：准确率、召回率 网址 ：https://blog.csdn.net/seagal890/article/details/105059498 True Positive（TP）：真正类。样本的真实类别是正类，并且模型识别的结果也是正类。 False Negative（FN）：假负类。样本的真实类别是正
阅读全文
逻辑回归思路
摘要：整体建模思路 1、拿到样本先分训练集和测试集，0.7或0.8，根据样本数量考虑是否增加验证集，本次不增加验证集。 2、对训练集样本进行初筛。iv大于0.01，相关系数低于80%，缺失率根据变量中文名无特殊情况，不得高于80%。 3、对训练集先用决策树分6-8箱。此时对变量进行二次筛选。主要考虑变量是
阅读全文
逻辑回归自己尝试
摘要：自己逻辑回归尝试 1、固定好坏样本，随机种子 先去看分箱情况 data_sd = X1 num_cols=X1.columns import pycard as pc num_iv_woedf = pd.DataFrame() clf = pc.NumBin(max_bins_num=7,min_b
阅读全文
toad逻辑回归尝试
摘要：from sklearn.model_selection import train_test_split train,test=train_test_split(dd,test_size=0.6) toad.detect(dd) toad.quality(dd,target='target',iv_
阅读全文
XGB调参思路
摘要：（1）选择较高的学习率，例如learning_rate=0.1，这样可以减少迭代用时。 （2）然后对 (max_depth , min_child_weight) , （3）在第二步确定的基础上调整 gamma , （4）subsample, colsample_bytree 这些参数进行调整。 （
阅读全文
LGBM
摘要：import pandas as pd from lightgbm import LGBMClassifier from sklearn.metrics import accuracy_score df3=pd.concat([df1,df2],axis=1) model = LGBMClassif
阅读全文
XGB
摘要：from xgboost import XGBClassifier model = XGBClassifier(learning_rate=0.1,max_depth=5,alpha=0.2) model.fit(x_train,y_train) p=model.predict_proba(x_te
阅读全文
随机森林
摘要：from sklearn.ensemble import RandomForestClassifier model=RandomForestClassifier(n_estimators=22,max_depth=7,min_samples_split=33,min_samples_leaf=18)
阅读全文
决策树
摘要：2、决策树 from sklearn import tree clf = tree.DecisionTreeClassifier(criterion="gini",max_depth=5,min_samples_split=2,min_samples_leaf=52) clf.fit(x_train
阅读全文
逻辑回归
摘要：2、逻辑回归 2.1常规但是要考虑样本均衡问题 import matplotlib.pyplot as plt x=z.iloc[:,0:7] y=z.iloc[:,7:] from sklearn.model_selection import train_test_split from sklea
阅读全文
画ks曲线能得到阈值和精确ks
摘要：尝试模型代码 1、画出p值 实现ks计算 from sklearn.metrics import roc_curve from sklearn.pipeline import make_pipeline import matplotlib import matplotlib.pyplot as pl
阅读全文
