Home Credit 违约风险 - Kaggle 竞赛
https://www.kaggle.com/c/home-credit-default-risk/code
背景
在Kaggle Home Credit 违约风险竞赛中，参与者试图从应用程序、人口统计和历史信用行为数据中预测客户未来的支付行为。由于我在金融方面的学术背景，我想尝试一下信用风险数据集，这似乎是一个有趣的挑战。
0.8 的 ROC AUC 足以跻身本次比赛的获胜者之列，所以这就是我的目标。我想在这个数据集上尝试一些新方法，例如使用自动编码器进行特征缩减。
当前状态
主数据集包含 120 个特征和一个二进制目标变量。使用补充数据集，我能够将独立特征数增加到 1400 多个。我进行手动特征选择以将维度降低到 290 个最重要的特征。我目前正在使用自动编码器来替代手动特征选择。
使用 LightGBM，我能够获得超过 0.78 的 ROC AUC。现在我将不得不进行超参数调整以改进这个结果。
2022-01-28 09:06:23
732KB
基于主成分分析法的财务风险评价模型，徐凤菊，王凤，本文在分析了现有财务风险研究理论的基础上引入了主成分分析法的基本原理，建立主成分分析模型对上市公司的财务风险进行识别与评
2022-01-26 16:41:33
240KB
1
该项目为aadl项目，基于osate平台，说明了对具有低临界部件的飞机的连续定量安全风险评估，该部件会影响飞机的整体安全。内含项目官方pdf介绍，适合aadl初学者。
2022-01-26 09:09:15
1.36MB
1