發(fā)簡(jiǎn)信
IP屬地：江蘇
-
欺詐治理（一）：非正面處置思維
非正面處置是指在面對(duì)欺詐行為時(shí)，不直接對(duì)欺詐主體做處罰悼粮，而是利用產(chǎn)品規(guī)則工具提高欺詐成本，減少欺詐風(fēng)險(xiǎn)∨挛纾【作者注釋】 1. 思路介紹 風(fēng)控的目的...
-
numpy實(shí)現(xiàn)樸素貝葉斯模型（高斯分布）
第一次嘗試用面向?qū)ο蟮姆绞綐?gòu)建函數(shù)，寫(xiě)了一個(gè)GaussianNB類(lèi)淹魄，完善了擬合郁惜、預(yù)測(cè)函數(shù)。
-
python實(shí)現(xiàn)感知機(jī)簡(jiǎn)單對(duì)照統(tǒng)計(jì)學(xué)習(xí)上的感知機(jī)理論甲锡，基于numpy實(shí)現(xiàn)感知機(jī)學(xué)習(xí)模型 1代碼 2與sklearn比較
-
Neo4j學(xué)習(xí)（四）python基本操作1 python鏈接neo4j（neo4j desktop軟件） pip install neo4j-driver pip install py...
-
python 并行demo
pool.map()函數(shù)兆蕉，有兩個(gè)參數(shù)可以傳，第一個(gè)參數(shù)傳的是函數(shù)缤沦，第二個(gè)參數(shù)傳的是數(shù)據(jù)列表虎韵。那么怎么在第二個(gè)數(shù)據(jù)列表，多傳幾個(gè)參數(shù)呢缸废，方法是通過(guò)...
-
雜集
1 負(fù)的似然函數(shù)為何可做“損失函數(shù)”包蓝？ 似然函數(shù)的本質(zhì)就是衡量在某個(gè)參數(shù)下，訓(xùn)練集的估計(jì)和真實(shí)情況一樣的概率企量，越大代表越相近测萎。 設(shè)為預(yù)測(cè)樣本x為...
-
Neo4j學(xué)習(xí)（三）neo4j-import 數(shù)據(jù)導(dǎo)入
1neo4j三種數(shù)據(jù)導(dǎo)入工作 create 語(yǔ)句 load CSV 語(yǔ)句 neo4j import 批量導(dǎo)入對(duì)于大數(shù)據(jù)集的導(dǎo)入首選neo4j i...
-
風(fēng)控指標(biāo)解讀——WOE
1 WOE的概念 從定義上看，逾期率越低的區(qū)間届巩，woe值越小硅瞧，當(dāng)接近樣本的平均逾期率時(shí)，woe值會(huì)發(fā)生符號(hào)轉(zhuǎn)變恕汇，通過(guò)woe使得區(qū)間映射到一個(gè)與逾...
-
GBDT調(diào)參基于信貸場(chǎng)景下的GBC(梯度提升分類(lèi)模型)調(diào)參：總結(jié)如下：n_estimators和參數(shù)max_depth對(duì)于模型的準(zhǔn)確率和穩(wěn)定性有較大的影響腕唧。
個(gè)人介紹
概率統(tǒng)計(jì)碩士冒嫡，愛(ài)好數(shù)據(jù)建模，目前從事風(fēng)控?cái)?shù)據(jù)挖掘四苇。