datawhale-data-mining-season-8

任务1 - 数据分析（2天）

数据集下载

这是我们本次实践数据的下载地址 https://pan.baidu.com/s/1wO9qJRjnrm8uhaSP67K0lw

说明：这份数据集是金融数据（非原始数据，已经处理过了），我们要做的是预测贷款用户是否会逾期。表格中 "status" 是结果标签：0表示未逾期，1表示逾期。

数据集涉密，不要开源到网上，谢谢~

要求：数据切分方式 - 三七分，其中测试集30%，训练集70%，随机种子设置为2018

任务1：对数据进行探索和分析。时间：2天

• 数据类型的分析
• 无关特征删除
• 数据类型转换
• 缺失值处理
• ……以及你能想到和借鉴的数据分析处理

任务2 - 特征工程（2天）

任务2：对数据特征进行衍生和进行特征挑选。时间：2天

• 特征衍生
• 特征挑选：分别用IV值和随机森林等进行特征选择
• ……以及你能想到特征工程处理

任务3 - 模型构建（2天）

任务3：用逻辑回归、svm和决策树；随机森林和XGBoost进行模型构建，评分方式任意，如准确率等。（不需要考虑模型调参）时间：2天

任务4 - 模型评估（2天）

任务4：记录5个模型（逻辑回归、SVM、决策树、随机森林、XGBoost）关于accuracy、precision，recall和F1-score、auc值的评分表格，并画出ROC曲线。时间：2天

可以参照以下格式：

参考答案

任务5 - 模型调优（2天）

任务5：使用网格搜索法对5个模型进行调优（调参时采用五折交叉验证的方式），并进行模型评估，记得展示代码的运行结果。 时间：2天

任务6 - 模型融合（2天）

任务6：模型融合，模型融合方式任意，并结合Task5给出你的最优结果。时间：2天

• 例如Stacking融合，用你目前评分最高的模型作为基准模型，和其他模型进行stacking融合，得到最终模型及评分结果。

参考答案