前一个树桩的错误数据会影响后一个树桩的生成，意味着后面的树桩是前面树桩的补足。这种思想也被称为 Boost，除 AdaBoost 外，GBDT 和 XGBoost 也是这样的思想（很明显它们中都有 Boost）。 则该树桩的总误差（Total Error）即这条错误样本的权重—…

本篇内容给大家详细讲解了特征工程的知识，包括数据清洗（数据对齐、缺失值处理、异常值处理），特征构建，特征变换，特征选择与实战特征工程经验等内容。

用逻辑回归制作评分卡 评分卡是一种以分数形式来衡量一个客户的信用风险大小的手段 它衡量向别人借钱的人（受信人，需要融资的公司）不能如期履行合同中的还本付息责任 借钱给别人的人（授信人，银行等金融机构）

从样本集到WOE、IV值的变迁，简单叙述样本、woe、iv之间的逻辑关系，并对各个概念进行基本的介绍。

开启掘金成长之旅！这是我参与「掘金日新计划 · 2 月更文挑战」的第 5 天，点击查看活动详情 理解WOE和IV IV的定义公式 $$ \text{IV}=\sum\limits_{i=1}^{N}(

机器学习在信用风险评估与管理中具有广泛的应用，并且已经成为金融领域中的关键技术之一。以下是机器学习在信用风险评估与管理中的应用以及相应的挑战： 应用： 信用评分模型：利用历史数据和借款人的个人信息等因

深度学习是一种强大的机器学习方法，它在各个领域都有广泛应用。如果你是一个新手，想要入门深度学习，下面是一些步骤和资源，可以帮助你开始学习和实践深度学习。 1. 学习基本概念 在开始深度学习之前，你需要

温馨提醒:在阅读并理解前文1.线性回归的基础上再看本文会更容易理解 1.定义，目的以及作用 定义: 逻辑回归算法是一种用于解决分类问题的机器学习算法，尽管名字中包含"回归"一词，但实际上逻辑回归是一种

1.定义和目的 线性回归算法的目的是建立一个线性模型，用来描述自变量（输入特征）和因变量（输出）之间的关系。通过线性回归算法，我们可以预测因变量的值，基于给定的自变量。这种算法在许多领域都有着广泛的应