joe_lee1的博客

文章目录四、用户画像分析4.1 用户维度4.1.1 个人属性4.1.2 社会属性4.1.3 用户行为4.1.4 用户属性4.2 用户标签4.2.1 筛选变量4.2.2 判断变量正负性4.2.3 编辑标签4.3 用户分类4.3.1 用户属性融合4.3.2 k-means聚类4.3.3 结果分析四、用户画像分析依照属性、特征、偏好等用户标签架构，将用户信息进行标签化处理，建立银行统一的用户标签库。4.1 用户维度4.1.1 个人属性# 基本信息bairong_clean[['年龄','性别','籍贯

文章目录三、模型构建3.1 贷款逾期数据分析3.1.1 描述性分析3.1.2 独立性分析3.1.2.1 单因素分析3.1.2.2 多因素分析3.1.3 模型构建3.1.3.1 特征筛选&特征工程3.1.3.2 训练集&测试集划分3.1.3.3 逻辑回归3.1.3.4 LightGBM3.2 征信数据分析3.3 百融数据分析四、用户画像分析4.1 用户维度4.1.1 个人属性4.1....

文章目录一、项目背景及目的1.1 项目背景1.2 项目目的1.3 数据说明二、业务与数据理解2.1 贷款、逾期数据2.1.1 贷款数据2.1.2 逾期数据2.1.3 循环贷数据2.2 征信数据2.1.1 征信数据2.1.2 征信查询数据2.3 百融数据2.1.1 征信数据二、数据预处理2.1 逾期数据处理2.1.1 字段过滤2.1.2 特征构建2.1.3 数据去重2.1.3.1 基于客户识别码去重...

银行用户画像建设步骤：依据银行的业务需求及数据状况，银行用户画像建设工作大致划分为以下步骤：1、制定用户标签体系：根据业务需求制定用户标签体系框架，逐步丰富标签内容。初期可采用“框架完整、场景突出”的方法。2、整合可用数据资源：整合内源数据及外源数据至大数据平台，作为用户画像的基础数据源，并涵盖账户数据、交易数据、行为数据、风险数据、社交数据等类型。3、模型挖掘用户标签：基于模型算法、结合...

文章目录一、项目背景及目的1.1 项目背景1.2 项目目的1.3 数据集来源与介绍二、数据导入2.1 图形界面工具导入2.2 以系统命令行导入三、数据清洗3.1 删除重复值3.2 查看缺失值3.3 时间格式转换3.4 过滤异常值四、数据分析4.1 基于用户行为转化漏斗模型分析用户行为4.1.1 常见电商指标分析4.1.1.1 UV、PV、UV/PV4.1.1.2 复购率4.1.1.3 跳失率4.1...

Python分析CDNow的用户消费行为一、数据加载与初探二、消费情况分析2.1 从用户维度分析消费情况2.1.1 用户消费金额、订单商品量、消费次数的描述性统计分析2.1.2 用户消费金额和订单商品量之间相关性分析2.2 从时间维度分析消费情况2.2.1-3 每月消费人数情况、每月订单商品量、每月订单金额2.3 用户消费的时间节点三、复购率回购率分析3.1 复购率分析3.2 回购率分析四、用户分...