Задача "Оценка благонадежности заемщика банка"

---

Методы классификации
Задача “Оценка благонадежности заемщика банка”. Есть данные заемщиков
банка - физических лиц в файле
DATASET FOR CASE.csv (обратите внимание, что
в датасете столбцы разделены табуляцией, дробная и целая часть числа -
запятой, поэтому при считывании файла можно указать дополнительные
параметры
sep='\t', encoding='ansi', decimal=','). Целевая переменная TARGET
(take a credit) имеет бинарный характер (0 / 1). Разбейте имеющийся датасет на
обучающую и тестовую выборки. Считая, что вердикт "благонадежный /
неблагонадежный заемщик" не известен, предскажите его с использованием
логистической регрессии, деревьев классификации (используйте
from
sklearn.tree import DecisionTreeClassifier), случайного леса (используйте from
sklearn.ensemble import RandomForestClassifier), бустинговых методов
(используйте
from xgboost import XGBClassifier, а затем from catboost import
CatBoostClassifier) и метода опорных векторов (используйте from sklearn.svm
import LinearSVC). Сравните полученные результаты с фактическими данными,
сравните результаты работы разных методов между собой и произведите
оценку качества классификации. В качестве отчета загрузите colab (jupyter) -
ноутбук.

---

Document Outline

• Методы классификации