quantitive credit risk and default analysis course project1
Todo/Model performance / others…
4/12(youngmi)
-
add
model.py
=> NN model (only using 74 numerical feats)date model Performance 4/12 NN 5-fold average Auc score on Validation data: 0.9500247628653332
5-fold average Precision on Validation data: 0.9587681231206997
5-fold average Recall on Validation data: 0.5736161616161616 | | | | | | | | |
4/11 (lishu)
-
add
tools.py
: 包含三个用来处理字符串特征的小函数。 -
add
ks_rank.py
: 用来处理全部的数值型特征,计算KS并排序,输出到同目录下的ks_rank.csv -
add
string_feature.txt
,ks_rank.csv
: 字符串特征的分布输出,ks按照高低排序的特征,之后可以直接读取,避免再次计算。 -
add
tree_main.py
: 决策树算法,AUC结果在0.91左右。运用了ks排名前20的特征。 -
add
.gitignore
: 可指定部分文件不被git同步目录监测的影响,一般用于__pycache__或者其他系统文件。
4/10 (youngmi)
-
add
data_clean.py
: 处理原数据LoanStats3d_securev1
dataframe 格式问题,调用trans_format()
及能解决此问题 -
按照助教要求,将 loan_status 取 Charged Off, Current, Fully-paid ,并打好标签,去除不能使用的 X 因子,调用
preprocess()
即可PS. loan_status 处理前各分类数量
每次要上传代码前,要先抓取最新
git pull
然后直接 push 到 master/origin 即可(只上传 code )
git add example.py
git commit -m 'update'
git push
`