qq_35740095的博客

from __future__ import print_function import lightgbm as lgb import sklearn import numpy import hyperopt from hyperopt import hp, fmin, tpe, STATUS_OK, Trials import colorama import numpy as np N_HYP...

【数据集下载】 本次实践数据的下载地址 https://pan.baidu.com/s/1dtHJiV6zMbf_fWPi-dZ95g 说明：这份数据集是金融数据（非原始数据，已经处理过了），我们要做的是预测贷款用户是否会逾期。表格中 “status” 是结果标签：0表示未逾期，1表示逾期。 【任务1.1 - 模型构建】 将金融数据集三七分，随机种子2018，调用sklearn包，简单构建逻辑回归...

【任务1.2 - 模型构建之集成模型】 说明：对上一篇Task1.1模型构建,预测贷款用户是否会逾期代码的补充，需在上一篇代码之后运行 构建随机森林、GBDT、XGBoost和LightGBM这4个模型，并对每一个模型进行评分，评分方式任意，例如准确度和auc值。 必须有 的2关键点：4个模型和对应的评分结果 模型构建 #导入库 from sklearn.ensemble import Rando...

说明：对前面Task1.1模型构建,预测贷款用户是否会逾期代码的补充，需在上一篇代码之后运行 记录7个模型（逻辑回归、SVM、决策树、随机森林、GBDT、XGBoost和LightGBM）关于accuracy、precision，recall和F1-score、auc值的评分表格，并画出ROC曲线。 必须有 的5关键点：7个模型的accuracy、precision，recall和F1-score...

任务4 - 模型调优 使用网格搜索法对7个模型进行调优（调参时采用五折交叉验证的方式），并进行模型评估，记得展示代码的运行结果~ 网格搜索https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html 参数不会用，用多了又跑不动，参考的算法实践1.4模型调优 还没写完，后面补上 ...

目录1、导入库2、随机生成数据3、算术法梯度下降法4、向量法（即直接调用函数）4.1、拆分训练集和测试集4.2、得出线性回归方程5、算术法与向量法比较 1、导入库 import numpy as np import matplotlib.pyplot as plt from pandas import DataFrame,Series from sklearn.model_selection im...