Jour 15. Nouveau projet. Aucun modèle encore. Approbation de prêt. Un prêteur reçoit un dossier et doit répondre oui ou non. Approuver la mauvaise personne, c’est la banque qui perd de l’argent. Rejeter la bonne personne, c’est quelqu’un qui perd du capital. Ce n’est pas une régression. Nous ne prédisons pas un montant. C’est une classification binaire. Deux classes. Une cible. Cible : Loan_Status Y = approuver N = rejeter Ce que le modèle verra : Genre, marié, personnes à charge, éducation, travailleur indépendant Revenu du demandeur et revenu du co-demandeur Montant et durée du prêt Historique de crédit Zone de propriété Ce qu’il ne verra pas : Loan_ID. Cela identifie la ligne, mais ne décrit pas la personne. Sortie attendue : Une classe, et une probabilité si l’algorithme le permet. Pas une décision de crédit en temps réel. Un premier filtrage sur un tableau public. Même forme que le projet sur le diabète. Domaine différent. Problème d’abord. Modèle ensuite. #MachineLearning #Classification #BigBrains
𝐈𝐛𝐧𝐦𝐚𝐫𝐳𝐮𝐤Partager
Source:Afficher l'original
Clause de non-responsabilité : les informations sur cette page peuvent avoir été obtenues auprès de tiers et ne reflètent pas nécessairement les points de vue ou opinions de KuCoin. Ce contenu est fourni à titre informatif uniquement, sans aucune représentation ou garantie d’aucune sorte, et ne doit pas être interprété comme un conseil en investissement. KuCoin ne sera pas responsable des erreurs ou omissions, ni des résultats résultant de l’utilisation de ces informations.
Les investissements dans les actifs numériques peuvent être risqués. Veuillez évaluer soigneusement les risques d’un produit et votre tolérance au risque en fonction de votre propre situation financière. Pour plus d’informations, veuillez consulter nos conditions d’utilisation et divulgation des risques.