任务：使用机器学习相关知识完成购房贷款违约预测，给定特征字段，输出是否会发生逾期的预测。
1.2 实验要求
1.2 题目背景
随着世界经济的蓬勃发展和中国改革开放的逐渐深入，无论是企业的发展还是从人们消费观念的转变，贷款已经成为企业和个人解决经济问题的一种重要方式。随着银行各种贷款业务的推出和人们日益膨胀的需求，不良贷款也就是贷款违约的概率也随之激增。为了避免贷款违约，银行等金融机构在发放贷款时会对借款人的信用风险进行评估或打分，预测贷款违约的概率并根据结果做出是否发放贷款的判断。如何在发放贷款前有效的评价和识别借款人潜在的违约风险，是金融机构信用风险管理的基础和重要环节，用一套科学的模型和系统来判定贷款违约的风险性可以将风险最小化和利润最大化。
1.2 数据集
数据集在../dataset 目录下，train.csv 为训练集数据，包含 120000 条数据，每条数据除去 id 和结果共有 50 个特征。test.csv 为预测集数据，包含 30000 条数据等待预测。
1.2 任务描述
本任务研究如何借助非平衡数据分类的思想对银行等金融机构的购房贷款数据进行分析，并基于随机森
2023-04-06 02:22:48
8.04MB
1
居民的购房意愿在整个宏观层面上影响着整个社会结构的变迁和转型。文中基于500份居民购房意愿调查问卷,利用主成分分析法提取了主要特征,对主成分序列建立了支持向量机分类模型。五折交叉验证结果表明:分类效果良好,对政府和房地产开发商进行客户细分、制定营销策略有一定的借鉴意义。
2023-03-09 16:07:26
164KB
1
# 购房贷款违约预测
### 数据集说明
训练集 train.csv
```python
# train_data can be read as a DataFrame
# for example
import pandas as pd
df = pd.read_csv('train.csv')
print(df.iloc[0]) # list of 51 features and one label
```
测试集 test.csv
```python
# test_data can be read as a DataFrame
# for example
import pandas as pd
df = pd.read_csv('test.csv')
print(df.iloc[0]) # list of 51 features
```
测试集标签文件 test_label.txt，格式如下
```txt
1
0
1
1
...
...
```
其中训练集12万条，测试集3万条。
包括准确率计算 sklearn jupyter
2023-01-04 15:28:15
15KB
1
内容索引:脚本资源,HTML,购房计算器,计算器 基于JavaScript的购房计算工具网页版，比如货款计算器、购房能力评估计算器，计算包括现金、存款、有价证券和可以筹措到的资金总和、个人住房公积金贷款计算器、提前还款计算器、税费计算器等，每一个计算工具都有详细的公式和可操作性，而且页面设计精美、专业，也是研究Js算法的好范例。
2022-07-06 21:51:02
65KB
1
jdk8+tomcat8 mysql SSM框架 同前台后台两个系统，业务完善功能简单，适合做毕业设计，包含公司，楼盘，房屋，用户，管理，合同等功能，包含数据库文件
2022-03-19 10:55:10
15.94MB
1