Tag Archives: GBDT

Python随机森林、梯度提升树与逻辑回归融合多阶段特征工程实现信贷违约风险预测|附AI智能体、代码和数据

By tecdat7月 3, 2026Python辅导, 大数据部落, 技术支持, 数理统计, 计算机科学CS辅导, 计算机科学与技术AI-agent, AI智能体, Code, credit-default, Data, feature-engineering, Fusion, GBDT, gradient-boosting-tree, logistic-regression, LR, multi-stage, multi-stage-feature-engineering, python, random-forest, RF, risk-prediction, 代码, 信贷违约, 多阶段, 多阶段特征工程, 数据, 梯度提升树, 特征工程, 融合, 逻辑回归, 随机森林, 风险预测

本文围绕互联网金融信贷场景，系统探索了基于多模型融合的贷款违约风险预测方案。回答的核心议题包括：(1) 在缺失率超40%的大规模信贷数据中，如何设计一套稳健的预处理管线；(2) 如何通过皮尔森相关系数与随机森林特征重要性双重筛选机制，从47维特征中锁定对违约判别最关键的变量；(3) 对比仅清洗

Python、BMA-Stacking融合LightGBM、GBDT、KNN多模型电商交易欺诈风险预警研究|附代码数据

By tecdat5月 21, 2026AI人工智能辅导, Python辅导, 人工智能, 大数据部落, 技术支持, 数理统计, 期刊论文发表投稿, 计算机科学CS辅导, 计算机科学与技术BMA, E-commerce, Fraud, GBDT, knn, LightGBM, Multi-model, python, Research, Risk, Stacking, Transaction, Warning, 交易, 多模型, 欺诈, 电商, 研究, 融合, 预警, 风险

电子商务的蓬勃发展为全球经济注入活力，但也滋生了日益复杂的线上欺诈行为。在该项目中，我们为客户构建了一套动态、鲁棒的欺诈风险预警系统。借此文，我们不仅分享技术细节，也展现我们在将多模型融合策略转化为实际风控解决方案方面的专业能力。

Python用XGBoost、梯度提升树、Lasso与极端随机树ETR功率变换器磁芯损耗建模及SLSQP优化 | 附数据代码

By tecdat5月 8, 2026Python辅导, 大数据部落, 技术支持, 数理统计, 期刊论文发表投稿, 机械工程及自动化, 计算机科学CS辅导, 计算机科学与技术Core, ETR, GBDT, LASSO, Loss, Modeling, Optimization, power, python, SLSQP, Transformer, xgboost, 优化, 功率变换器, 建模, 极端随机树, 梯度提升树, 磁芯损耗

功率变换器的高频化、高功率密度化趋势对磁性元件损耗评估提出了严苛要求。

SAS用梯度提升回归树(GBDT)迁移学习预测抵押贷款拖欠风险和垃圾电子邮件数据

By tecdat4月 11, 2022大数据部落, 数理统计, 计算机科学与技术GBDT, 回归, 抵押贷款, 梯度提升回归树, 电子邮件, 迁移学习

GBDT梯度提升模型由多个决策树组成。

拓端AI助手