Pinned Repositories
2018-ORANGE-FINANCIAL-BIG-DATA-top9
2018年甜橙金融杯大数据建模大赛-初赛第四-复赛线上11-决赛9-复现top1解决方案-【二分类,风控】
algorithm-and-risk-management
风控、大数据、算法。
Alink
Alink is the Machine Learning algorithm platform based on Flink, developed by the PAI team of Alibaba computing platform.
aswan
陌陌风控系统静态规则引擎,零基础简易便捷的配置多种复杂规则,实时高效管控用户异常行为。
creditCard
拍拍贷风控评分卡
DeepLearning-500-questions
深度学习500问,以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述,以帮助自己及有需要的读者。 全书分为18个章节,50余万字。由于水平有限,书中不妥之处恳请广大读者批评指正。 未完待续............ 如有意合作,联系scutjy2015@163.com 版权所有,违权必究 Tan 2018.06
encoder2predict
利用Encoder对二分类任务的序列数据进行概率预测
FATE
An Industrial Level Federated Learning Framework
intelligent_risk_control
智能风控:原理、算法与工程实践 代码
LogisticRegressionPipeline
分别基于statsmodels和scikit-learn实现两种可用于sklearn pipeline的 LogisticRegression,并输出相应的报告
xuexiaowo's Repositories
xuexiaowo/2018-ORANGE-FINANCIAL-BIG-DATA-top9
2018年甜橙金融杯大数据建模大赛-初赛第四-复赛线上11-决赛9-复现top1解决方案-【二分类,风控】
xuexiaowo/algorithm-and-risk-management
风控、大数据、算法。
xuexiaowo/Alink
Alink is the Machine Learning algorithm platform based on Flink, developed by the PAI team of Alibaba computing platform.
xuexiaowo/aswan
陌陌风控系统静态规则引擎,零基础简易便捷的配置多种复杂规则,实时高效管控用户异常行为。
xuexiaowo/creditCard
拍拍贷风控评分卡
xuexiaowo/DeepLearning-500-questions
深度学习500问,以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述,以帮助自己及有需要的读者。 全书分为18个章节,50余万字。由于水平有限,书中不妥之处恳请广大读者批评指正。 未完待续............ 如有意合作,联系scutjy2015@163.com 版权所有,违权必究 Tan 2018.06
xuexiaowo/encoder2predict
利用Encoder对二分类任务的序列数据进行概率预测
xuexiaowo/FATE
An Industrial Level Federated Learning Framework
xuexiaowo/intelligent_risk_control
智能风控:原理、算法与工程实践 代码
xuexiaowo/LogisticRegressionPipeline
分别基于statsmodels和scikit-learn实现两种可用于sklearn pipeline的 LogisticRegression,并输出相应的报告
xuexiaowo/ModelArts-Lab
ModelArts-Lab是示例代码库。更多AI开发学习交流信息,请访问华为云AI开发者社区:huaweicloud.ai
xuexiaowo/radar
实时风控引擎(Risk Engine),自定义规则引擎(Rule Script),完美支持中文,适用于反欺诈(Anti-fraud)应用场景,开箱即用!!!移动互联网时代的风险管理利器,你 Get 到了吗?
xuexiaowo/risk-management-note
🧯风险控制笔记,适用于互联网企业
xuexiaowo/risk_engine
风控决策引擎系统
xuexiaowo/risk_model_machinelearning
用机器学习建立贷款用户风控模型
xuexiaowo/UserBehaviorAnalysis
模拟电商系统上线运行一段时间后,根据收集到大量的用户行为数据,利用大数据技术(Flink)进行深入挖掘和分析,进而得到感兴趣的商业指标并增强对风险的控制。 整体可以分为用户行为习惯数据和业务行为数据两大类。用户的行为习惯数据包括了用户的登录方式、上线的时间点及时长、点击和浏览页面、页面停留时间以及页面跳转等等,从中进行流量统计和热门商品的统计,并深入挖掘用户的特征;业务行为数据分为两类:一类是能够明显地表现出用户兴趣的行为,比如对商品的收藏、喜欢、评分和评价,对数据进行深入分析,得到用户画像,进而对用户给出个性化的推荐商品列表;另一类则是常规的业务操作,关注异常状况以做好风控,比如登录和订单支付。