人工智能-项目实践-创新大赛-基于python的用户贷款风险预测
融360与平台上的金融机构合作，提供了近7万贷款用户的基本身份信息、消费行为、银行还款等数据信息，需要参赛者以此建立准确的风险控制模型，来预测用户是否会逾期还款。
##解决方案概述## 本题很多关键属性被脱敏处理，比如时间戳和所有金额的值，这个对我们进行特征构造带来很多的影响，损失了很多业务信息。不过对于参赛者都是公平的，因而我们构造了大量的统计特征，根据模型及线上反馈最佳特征大多来自用户浏览行为browse_history和bill_detail，此外发现放款时间也是个强力特征，详细见代码部分。这里只放了我个人的代码，队友的特征工程很多类似的，也有一些独特之处，这里说几个思路：bill_detail表的特征按放款时间分为放款前放款后分别统计（还可以尝试多划分几个时间窗再统计）、基于熵的分箱处理（特征离散化，熊掌整理了思路见：最优分箱.docx）、排序特征、组合特征等，有兴趣可以自己去实现。模型方面，我本人主要玩了xgboost和lightgbm，队友也基本上是xgboost、RandomForest，在玩Stack
2022-04-21 13:05:22
19.06MB
人工智能-项目实践-企业退出风险预测-基于python的企业经营退出风险预测，二分类问题
model: Xgboost
数据处理： pandas
文件夹结构介绍
data/alldata/： 存放所有的得到的数据文件
data/public/: 题目给定的原始数据
(https://pan.baidu.com/s/1nuJNz9B) 提取密码：t2ek
运行之前，请建立对应的文件夹，并导入数据。
model/：运行的model文件
feature/: 提取特征的py文件
saveModel/: 保存model，可以不使用
stack/: stacking特征的py文件
xresult/：存放输出结果的文件
2022-04-21 13:05:20
132KB
人工智能-项目实践-主机被攻击风险预测-建立基于使用者特征的模型进行主机被攻击风险的预测
02.py 描述了数据属性重编码的方式，将原有的数据转换为数字形式的categorical类型的数据
dataInsight.py 描述了 读取数据集，重编码（独热编码，这部分我也是复制别人的），初始化神经网络，训练神经网络，
使用已训练的网络进行预测并计算评价指标，评价指标这部分我也是找的代码
2022-04-21 13:05:17
37KB
使用Java实现基于C4.5算法的决策树，实现银行贷款风险预测，包括对离散属性和连续属性的处理。适用于离散属性、连续属性共存的数据。
2021-11-05 21:56:15
6KB
1
2017-CCF-BDCI-Enterprise
这是我的第一个数据挖掘比赛，CCF 大数据与计算智能大赛（BDCI）中的一题：。最终取得复赛 A 榜第 3，B 榜第 9 (Top 1.58%) 的成绩。
这个比赛 12 月中旬就结束了，硬是被我拖到现在才来总结，我这拖延症真的是……现在回忆起这个比赛，比赛时的那种郁闷感依然记忆犹新。我在复赛的第 5 天便达到了分数 6924，但之后一直无法提分，这种烦躁感当时给我带来了挺大的困扰（当然最后还是提升到了分数 6930）。等比赛结束之后，我回过头来看，其实当时我参赛的心态是不端正的，功利心太强，这样带来的问题就是比赛心态的爆炸，自己的眼界会被约束，提分方式的想象力也会被限制。最好的心态应该是抱着学习的心态参赛，只要能够学到一点点新的东西，就会感到惊喜。
另外一个想说的点是，我们团队在复赛 A 榜中排名第 3，但是切换 B 榜之后，便跌到第 9
2021-10-27 09:53:53
21KB
1