采纳答案成功!
向帮助你的同学说点啥吧!感谢那些助人为乐的人
简单的说,你首先要有数据。有大量的用户的行为数据(如借贷记录,还款记录)和描述数据(如性别,年龄,职业,等等),并且这些数据和这个人的可靠信用评级对应。这就构成了可以进行监督学习的训练集。在这个基础上,就可以进行训练,进而,对一个新人进行信用预测了。
具体,什么特征是好的,可以用于预测信用的特征,这就高度领域相关了。可以参考这个问答下的最后一条:http://coding.imooc.com/learn/questiondetail/40722.html
机器学习在这方面的应用,是非常典型的,在实际中也是很普遍的。很多大型机器学习竞赛网站上,都有类似的内容。比如Kaggle的这个比赛:https://www.kaggle.com/mlg-ulb/creditcardfraud
其中所有的Kernel都是公开可见的。排名靠前的Kernel通常都有很好的文档。可以参考学习大家的不同处理方式:)
加油!:)
登录后可查看更多问答,登录/注册
Python3+sklearn,兼顾原理、算法底层实现和框架使用。
2.5k 19
3.5k 17
2.9k 15
1.6k 15
1.4k 14