Credit_Risk_Analysis:提取贷款俱乐部提供的数据，并将其转换为可用于预测模型的数据-源码

Credit_Risk_Analysis 项目概况 我们正在分析来自点对点贷款服务公司LendingClub的数据，并创建一个机器学习模型来预测申请人的信用风险。 目的 该模型的目的是帮助简化贷款的申请流程。 对于该项目，我们将采用不同的采样技术来解决不平衡的类别。 然后，我们将测试和比较平衡的随机森林分类器和易集成分类器，这两个模型可减少偏差，并确定是否可以使用这两个模型来一致地预测申请人的信用风险。 结果 天真的随机过采样逻辑回归 平衡准确度得分：0.641 精度：0.01 召回率：0.65 SMOTE过采样逻辑回归 平衡准确度得分：0.663 精度：0.01 召回率：0.63 聚类质心欠采样逻辑回归 平衡准确度得分：0.545 精度：0.01 召回率：0.69 SMOTEENN组合抽样逻辑回归 平衡准确度得分：0.648 精度：0.01 召回率：0.71 平衡