登录社区云，与社区用户共同成长
邀请您加入社区
信贷风险模型 今天在复习随机森林的时候，突然有了一些思考：信贷风险模型在我的理解，就是为了评估某个客户（企业，个体）在贷款等相关业务中，是否能够有效的将其贷款回收。通过自己的一些了解与猜想，信用评估模型中的主要评价来源是客户的数据。那么，数据可能会存在各种各样的数据，例如其历史借贷信息等。同时，收集的数据肯定会有很多的噪声。所以，如何根据这些特征信息来分析客户的借贷情况就显得尤为重要。
本文介绍了一个基于数据挖掘技术的台风灾害预测系统，旨在通过随机森林算法和多元技术栈（Python、Django、Vue、Scrapy）提升台风路径、强度及影响范围的预测精度。系统整合气象数据采集、清洗、建模与可视化功能，为防灾决策提供科学支持。核心模块包括Scrapy爬虫数据获取、随机森林模型训练及交互式前端展示，有效解决传统预警系统的滞后性问题。项目具备显著社会价值，可优化资源配置，减少灾害损失
再者，很多时候也就是一个月中1次就能实现正收益，要是没中，就会变成负收益，噪声成分大。所以我统计汇总了15个月458期的测试数据，计算出15个月汇总能实现盈利的组合，最终发现只有一种组合，也是靠着一两注盈利，才有这么高的收益。这里有个比较重要的特征工程就是在线STL时序分解，对预测的结果影响比较大，不加这个特征，每个月那就没有能盈利的组合了，盈利能力大幅下降。第三阶段，换成随机森林，效果稍微好一点
