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

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

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

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

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

摘要： 画lift曲线 target=np.array([1,0,1,0,1,1,1,0,0,1,1,0,1,0,1,1,1,0,0,1]) y_pre=np.random.rand(20) y_pre def lift(target,y_pre): data=pd.DataFrame({'target': 阅读全文

摘要： 筛选器在直连数据中对底层数据进行筛选： where 1=1 ${if(len(平台)=0,"","and 平台 in ('" + 平台 + "')")} ${if(len(灰度)=0,"","and 灰度 in ('" + 灰度 + "')")} A','B','C 1','0 交叉表使用，实现新增 阅读全文

摘要： import pandas as pd import numpy as np import pymysql %%打开数据库连接 conn = pymysql.connect(host='地址',user = "用户",passwd = "密码", db = "数据库") sql1 = ''' ''' 阅读全文

摘要： 风控知识： 风控指标：https://blog.csdn.net/eroswang/article/details/117735703 vintage：https://zhuanlan.zhihu.com/p/163206686 vintage：https://zhuanlan.zhihu.com/ 阅读全文