Kaggle竞赛解决方案-使用LightGBM算法预测二手商品的成交概率 avito是一家俄罗斯公司，从网站上来看是一个线上购物平台，这一次题目的目标，就是预测某一个商品在某一天被售出的概率，给定的数据有一段时间内的商品的销售情况（数量，价格，地区，品类，商品的俄文描述，商品的图片）等信息。 Avito提供了多个数据集, 除了主要的训练集(train.csv, 150万+样本)和测试集(test.csv, 50万+样本)外, 还有train_active.csv/test_active.csv(和train/test同时期的数据, 但没有成交概率和图片信息); periods_train.csv/periods_test.csv(只包含了active数据中每件商品的id, activation_date - 广告投放日期, date_from/date_to - 广告展示的第一天和最后一天); train_jpg.zip/test_jpg.zip(train和test样本的图片)。

银行客户搅动预测 该项目的目的是建立一个强大的深度学习模型，该模型可帮助银行预测有高风险离开银行的客户。数据集包含银行客户详细信息作为特征，目标变量为“已退出”，该变量说明该人是否从银行退出。 执行说明 ->->从requirements.txt文件安装相关的库和软件包 ->->要一次安装所有这些，只需运行 Windows: pip install -r requirements.txt Ubuntu: sudo pip install -r requirements.txt ->->将数据集放置在数据集文件夹中，然后修改helpers.py文件中的路径以读取数据集。 ->->转到Anaconda提示符并激活Tensorflow Environment（首选Tensorflow GPU Environment）。 ->->移至目录“ Bank-Customer-Churn-Pred

内含数据集以及算法的源码，适合算法工程师在本领域的练手项目

内含数据集以及算法的源码，适合算法工程师在本领域的练手项目

内含数据集以及算法的源码，适合算法工程师在本领域的练手项目

内含数据集以及算法源码适合初学者和进阶者

内含脱敏体检数据，以及算法源码。

MATLAB实现PSO-SVM粒子群优化支持向量机时间序列预测，Matlab完整程序和数据 数据为单变量时间序列数据，含粒子群优化前后的对比，预测对象为股票价格。

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

其中包含训练集和测试集，供大家学习使用