【文件属性】：
文件名称：Kaggle-Springleaf:Kaggle比赛
文件大小：810KB
文件格式：ZIP
更新时间：2021-04-27 16:17:58
Kaggle-Springleaf
Kaggle竞争：CCTO团队对Springleaf的营销回应
介绍
此仓库包含为Kaggle竞赛准备的ipython笔记本：Springleaf市场营销响应。Springleaf为客户提供个人和汽车贷款，帮助他们掌控自己的生活和财务状况。 直邮是Springleaf团队与需要贷款的客户联系的一种重要方式。 为了提高他们的针对性工作，Springleaf希望将重点放在那些可能会做出响应并成为其服务良好候选人的客户上。
使用大量匿名功能，Springleaf要求我们预测哪些客户将对直接邮件报价做出响应。
数据
提供了匿名客户信息的高维数据集。 每个条目（行）对应一个客户。 响应变量是二进制的。 测试和培训集中有超过140,000个条目。
项目管道
数据预处理和特征提取
在预处理文件夹中，根据不同的数据类型对要素数据进行了不同的处理。
数值数据已在da
【文件预览】：
Kaggle-Springleaf-master
----grid_search()
--------Grid-search-xgb-rf-933features-AUCp773.ipynb(37KB)
--------Optimizing_parameters_for_xgBoost_using_weige_method_SL.ipynb(14KB)
--------Grid-search-xgb-rf.ipynb(20KB)
--------.ipynb_checkpoints()
--------Grid-search-sgd.ipynb(12KB)
----data()
--------us-states.json(86KB)
--------states_abbrev.json(1KB)
----preprocessing()
--------Selected_categorical_features_OHE.ipynb(21KB)
--------data_preprocessing_SL_oct20_cat_num_normlization.ipynb(12KB)
--------Feature_exploration.ipynb(405KB)
--------.ipynb_checkpoints()
--------data_preprocessing_SL_Oct20_train_test_th60.ipynb(69KB)
--------data_preprocessing_SL_oct20_th60_cat_label_encoding.ipynb(30KB)
--------data_preprocessing_SL_oct20_time_series_normlization.ipynb(14KB)
----feature_selection()
--------GreedyForward_XGB_v1.ipynb(8KB)
--------RFECV_Linear_Models.ipynb(24KB)
--------SelectKBest_v1.ipynb(4KB)
--------Backward_feature_selection_xgboost.ipynb(40KB)
--------Feature_selection_agreement.docx(15KB)
--------GreedyForward_Linear_Models.ipynb(15KB)
--------.ipynb_checkpoints()
--------RFECV_Tree_Based_models.ipynb(36KB)
--------Selected_Derived_Features.ipynb(5KB)
----final_prediction()
--------Prediction_xgBoost_weige_method_meta_features_p794108_SL.ipynb(10KB)
--------Prediction_xgBoost_WL_v1.ipynb(7KB)
--------Prediction_SDG_Logistic_with_OHE_v1 (The mysterious code).ipynb(15KB)
--------Prediction_Linear_Models.ipynb(10KB)
--------Load_files_for_Meta_predictions_v1.ipynb(6KB)
--------Prediction_xgBoost_and_OHE_v1.ipynb(10KB)
--------Logistic_with_xgBoost.ipynb(22KB)
--------Prediction_xgBoost_Meta_WL_v1.ipynb(7KB)
--------.ipynb_checkpoints()
--------XGBoost_weige_method_n1000_eta001_auc_p78779_SL.ipynb(9KB)
----README.md(4KB)
----model_ensembling()
--------Model_Ensemble.ipynb(35KB)