内容 隐藏
1 用 Python 从零开始的信用风险预测项目
2 Credit Risk Prediction Project From Scratch in Python
2.1 你会学到什么
2.2 要求
2.3 描述
2.4 本课程适合谁：

用 Python 从零开始的信用风险预测项目

Credit Risk Prediction Project From Scratch in Python

基于项目的机器学习学习

你会学到什么

  • 数据集设置
  • 数据清洗
  • 绘图
  • 模型创建
  • 测试数据

要求

  • 基本了解 Python 和机器学习

描述

本课程由两部分组成：问题陈述解释和解决方案解释以及源代码。

第 1 部分：这是 CREDIT RISK PREDICTION 项目的介绍部分，其中我们提供了我们将在该项目的第 2 部分中构建的即将到来的项目的详细信息和程序。这是基于银行使用过去分析提供的数据对银行信贷违约者的预测。该项目的结果是，我们将能够预测具有某些凭据的人成为违约者或成功玩家的可能性有多大。

第 2 部分：这是信用风险预测项目的第二部分，我们在 Kaggle 社区平台上创建了一个完整的项目，用于根据客户的凭证预测客户的信用失败。我们使用数据清理、数据绘图，并利用随机森林分类器、支持向量机和逻辑回归，以及可能获得最佳参数的最佳预测精度。所有这些算法都是数学实现，我们已将它们与最佳参数一起使用。

本课程适合谁？

有抱负的机器学习学生想学习机器学习项目，但很难找到有趣的想法以及如何构建项目。在决定开始一个机器项目时，学生应该如何构建机器学习项目，找到能激励你的数据科学或机器学习项目想法。您可以根据自己的兴趣决定域和数据集。数据集的大小和数据集的复杂性。如果您是新手或初学者，我们建议您从专注于数据清理的 ML 项目开始，然后转向分析、机器学习和深度学习

感谢与问候

吉腾德拉

本课程适合谁：

  • 对数据科学好奇的初学者机器学习开发人员
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。