← 返回设计浏览
项目说明
项目包含一个网页端贷款风险预测系统界面,顶部展示LightGBM AUC、XGBoost AUC、集成模型 AUC 均为 0.735 及特征数量 65 的指标卡片;中部为单条预测表单,含贷款金额、贷款期限、利率、年收入、债务收入比、FICO信用分等输入项及预测违约风险按钮;底部为模型评估指标区,列出 LightGBM 与 XGBoost 的交叉验证 AUC 均值、OOF AUC 和标准差。另一张截图为代码编辑器界面,左侧项目目录含 data、models、plots、reports、templates 等文件夹及 app.py、config.py 等文件,运行终端显示特征工程完成、最终特征数 64、训练集 80000 条、测试集 20000 条,并输出 LightGBM 五折交叉验证各轮 train 与 valid 的 auc 数值。
PROJECT · VIDEO
项目演示视频
基于机器学习的贷款风险预测模型构建与评估 在 B站打开 ↗
基于机器学习的贷款风险预测模型构建与评估 · 01
基于机器学习的贷款风险预测模型构建与评估 · 02
基于机器学习的贷款风险预测模型构建与评估 · 03
基于机器学习的贷款风险预测模型构建与评估 · 04
基于机器学习的贷款风险预测模型构建与评估 · 05
基于机器学习的贷款风险预测模型构建与评估 · 06
基于机器学习的贷款风险预测模型构建与评估 · 07
基于机器学习的贷款风险预测模型构建与评估 · 08
基于机器学习的贷款风险预测模型构建与评估 · 09
基于机器学习的贷款风险预测模型构建与评估 · 10
基于机器学习的贷款风险预测模型构建与评估 · 11
基于机器学习的贷款风险预测模型构建与评估 · 12
基于机器学习的贷款风险预测模型构建与评估 · 13
基于机器学习的贷款风险预测模型构建与评估 · 14
基于机器学习的贷款风险预测模型构建与评估 · 15
基于机器学习的贷款风险预测模型构建与评估 · 16
基于机器学习的贷款风险预测模型构建与评估 · 17
基于机器学习的贷款风险预测模型构建与评估 · 18
基于机器学习的贷款风险预测模型构建与评估 · 19
基于机器学习的贷款风险预测模型构建与评估 · 20