美赛竞赛资源，竞赛解决方案，包含完整源码解决方案内容，可用于参赛学习、参考 美赛竞赛资源，竞赛解决方案，包含完整源码解决方案内容，可用于参赛学习、参考 美赛竞赛资源，竞赛解决方案，包含完整源码解决方案内容，可用于参赛学习、参考 美赛竞赛资源，竞赛解决方案，包含完整源码解决方案内容，可用于参赛学习、参考 美赛竞赛资源，竞赛解决方案，包含完整源码解决方案内容，可用于参赛学习、参考 美赛竞赛资源，竞赛解决方案，包含完整源码解决方案内容，可用于参赛学习、参考 美赛竞赛资源，竞赛解决方案，包含完整源码解决方案内容，可用于参赛学习、参考 美赛竞赛资源，竞赛解决方案，包含完整源码解决方案内容，可用于参赛学习、参考 美赛竞赛资源，竞赛解决方案，包含完整源码解决方案内容，可用于参赛学习、参考美赛竞赛资源，竞赛解决方案，包含完整源码解决方案内容，可用于参赛学习、参考美赛竞赛资源，竞赛解决方案，包含完整源码解决方案内容，可用于参赛学习、参考美赛竞赛资源，竞赛解决方案，包含完整源码解决方案内容，可用于参赛学习、参考

基于机器学习的发债主体违约风险预测项目源码+项目说明.7z 【项目介绍】 该项目以发债企业作为研究对象，利用财务逻辑和技术手段对178个原始特征指标进行有效筛选，构建了基于多种机器学习算法的模型，对比后挑选LightGBM模型作为最终模型进行更精细化训练，最终模型关键预测指标均有比较好的效果。 Jupyter Notebook代码 【使用说明】 BondDefault文件为项目代码 基于机器学习的发债主体违约风险预测.pptx为ppt形式的项目展示

赛事链接：https://challenge.xfyun.cn/topic/info?type=diabetes&ch=ds22-dw-wd01 内容概要：赛题数据由训练集和测试集组成，具体情况如下： - 训练集：共有5070条数据，用于构建您的预测模型 - 测试集：共有1000条数据，用于验证预测模型的性能。 其中训练集数据包含有9个字段：性别、出生年份、体重指数、糖尿病家族史、舒张压、口服耐糖量测试、胰岛素释放实验、肱三头肌皮褶厚度、患有糖尿病标识（数据标签）。 在此基础上增加了两种训练策略的机器学习代码：官方的demo的ipynb代码和一个决策树实现的代码。 适用人群：初学数据挖掘、机器学习的新手 使用目标及场景：初学数据挖掘、机器学习，，提高实践技能 其他说明：学习交流。

为探讨变权组合预测模型在区域生态风险预测中的应用，该文以黑龙江省大庆市为研究对象，利用该市 1976 .1988 .1992 ,1996,2001,2003年各年的TAI遥感影像数据，以GIS技术为数据集成分析平台，获取了20余年不同时期的土地利用信息．在此基础上，引入层次分析法，确定不同土地利用类型的生态风险权重，构造各土地利用类型不同时段的综合生态风险指数，采用基于回归预测法、灰色预测法和神经网络预测法的变权组合预测方法模拟了大庆市2010年生态风险程度空间分布预测图．结果表明，生态风险指数的空间分布

Jupyter Notebook

互联网消费金融是互联网金融公司为满足个人消费者对商品和服务的消费需 求所提供的小额贷款并分期偿还的信贷活动。与传统消费金融相比，互联网消费 金融具有服务方便快捷、大幅度降低交易成本、覆盖群体更广的特点。随着经济 水平的不断发展，人们消费观念的升级，互联网消费金融也逐渐被更多消费者认 可。面对数以万计甚至是数以十万计的申请借款的用户时，则需要通过互联网和 计算机领域的技术来解决这个用户信用风险的预测问题。 本文针对互联网消费金融的小额贷款申请，探讨机器学习技术在这个领域中 的发展情况和实际应用情况，研究违约用户和履约用户这两批用户的各方面特征， 介绍了在信用风险评估领域比较流行的Logistic回归模型和GBDT(梯度迭代决策 树)模型，以及主流的模型性能评价指标。在具体的实验中，本论文使用机器学 习技术对网络信贷平台的用户进行建模分析,使用Information Value统计量筛选变 量特征，采取 woe (weightofevidence)编码的方式对变量特征进行重新编码，以 提升变量对两类用户的辨别能力，最后，使用Logistic回归模型和GBDT(梯度迭 代决策树)模型对申请贷

升级版BP神经网络算法在电力企业财务风险预测中的模型与应用[外文翻译].doc

软件风险是指软件开发过程中及软件产品本身可能造成的伤害或损失。风险关注未来的事情，这意味着，风险涉及选择及选择本身包含的不确定性，在软件开发过程及软件产品都要面临各种决策的选择。风险是介于确定性和不确定性之间的状态，是处于无知和完整知识之间的状态。另一方面，风险将涉及思想、观念、行为、地点等因素的改变。

two-layer-model 双层违约风险预测模型 原型为： 本项目为复现此双层模型，并进行了简单的模型性能对比

COVID风险预测 使用朴素贝叶斯和决策树算法进行COVID-19风险预测