信用卡_欺诈检测 快速分析信用卡数据集 链接到数据： : 该项目是对从kaggle下载的信用卡数据的分析。 该项目的主要目标是创建一个有效的分类器，以区分欺诈性操作和常规操作。 实际数据库高度不平衡，包括30个功能变量和1个目标变量。 其中28个要素变量是匿名的。 该项目包含3本书： data_explo用于探索和一些可视化 用于模型创建的MLdetection：已选择3个模型-Logistic回归，Random Forest和SVM（在第一个版本中） 检查分类器决策中影响最大的变量的可解释性

信用卡客户细分 业务问题银行不断需要为客户量身定制自己的经验，以保持其在银行业中的竞争力。 每年，银行都会创建定制的信用卡以适应其客户群的不同生活方式，并制定个性化的营销策略以扩大其目标市场。 了解银行客户群的特定特征已成为维持银行活力的关键。 该项目旨在利用聚类分析对公司的信用卡用户进行细分。 它可以帮助公司为客户提供定制的信用卡服务，从而提高他们的盈利能力。 ###数据集我们的数据集包括8950行和18列。 每行代表一个信用卡客户，各列主要是信用卡使用量变量。 除代表客户ID的列外，所有列均为数字。 在这些数字列中，我们有14个浮点变量和3个整数变量。 我们确认我们的数据集只有两列为NULL值； credit_limit和minimum_payments 。 我们使用中位数来填充credit_limit的1个缺失列和minimum_payments列的313个缺失值。 在确认mini

在这里，我有信用风险数据集的代码。 在此数据集中，有许多细节，例如... Loan_ID 614非空对象性别614非空int32已婚614非空int32依赖对象614非空int32教育614非空对象Self_Employed 614非空int32 ApplicantIncome 614非空int64 CoapplicantIncome 614非空float非空float64 Loan_Amount_Term 614非空float64 Credit_History 614非空float64 Property_Area 614非空对象Loan_Status 614非空int32 在这种情况下，我们必须预测该人是否将获得贷款（1）或不获得（0）。 '''贷款ID无效Loan_status是目标变量'''清理数据（填充Null数据，将String转换为整数）后，我使用了各种分类算法。（COZ是

预测信用评分 在这个数据科学项目中，我们将通过建立信用评分预测模型来预测借款人违约的机会。 使用的技巧 决策树分类器 随机森林分类器 逻辑回归 支持向量机 人工神经网络 在该项目使用的五种技术中，发现人工神经网络具有82％的最高精度。 数据集： Credit_Scoring.csv 多合一笔记本： Credit_Scoring.ipynb

信用风险模型 使用kaggle数据集查找信用风险的机器学习模型

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

KMV的MATLAB的代码信用风险模型 使用Flask-Restplus的信用风险即服务API的简单示例 KMV模型 这里给出的样本模型是KMV模型。 KMV模型计算公司的公司预期违约频率（EDF）。 EDF还是违约概率的代理。 记入（HK UST）进行实际演示- def kmv(enterprise_value, short_term_debt, long_term_debt, mu, sigma, period=1): """ KMV Model - https://www.math.ust.hk/~maykwok/Web_ppt/KMV/KMV.pdf :param enterprise_value: Enterprise Value of the Firm (can market capitalisation) :param short_term_debt: Firm's short term debt :param long_term_debt: Firm's long term debt :param mu: Expected Return after 1 year :pa

kaggle “give me some credit”数据集

交易数据异常检测--creditcard.zip

支付模块用作多个支付网关的代理。 目前，它仅支持和Xendit 和 。 对其他渠道的支持将逐步增加。 该付款代理是我用于的付款服务。 认为这可能对帮助其他人很有用，以便他们可以尽快开始接受资金，因此我决定将该模块开源。 查看目录 Xendit 应用秘密 数据库 Midtrans凭证 Xendit凭证 配置文件 强制环境变量 范例程式码 API用法 贡献 执照 支持的支付渠道 通常，此付款代理可以通过以下渠道支持付款： 信用卡，OVO，银行转帐的定期付款 分期付款和不分期付款的信用卡付款 电子钱包（GoPay，OVO，Dana，LinkAja） 零售店（Alfamart，Alfamidi，Dan + Dan） 无卡信用（Akulaku） 通过虚拟帐户（BCA，BNI，BRI，Mandiri，Permata，其他银行）进行银行转帐。 :red_exclamation_mark: 仅通过XenditInvoice支持定