debtDefaultResearch
对截止至2017年7月17日的债券违约事件进行梳理归因，并寻找宏观流动性影响因素，组成数据集。运用Lasso回归进行特征提取后，输入带L2惩罚项LR、SVM、NN、GBDT、RF等机器学习模型进行违约预测，得出GBDT预测效果最好以及特征工程对线性模型预测效果具有重要性的结论。
对截止至2017年7月17日的债券违约事件进行梳理归因，并寻找宏观流动性影响因素，组成数据集。运用Lasso回归进行特征提取后，输入带L2惩罚项LR、SVM、NN、GBDT、RF等机器学习模型进行违约预测，得出GBDT预测效果最好以及特征工程对线性模型预测效果具有重要性的结论。
对截止至2017年7月17日的债券违约事件进行梳理归因，并寻找宏观流动性影响因素，组成数据集。运用Lasso回归进行特征提取后，输入带L2惩罚项LR、SVM、NN、GBDT、RF等机器学习模型进行违约预测，得出GBDT预测效果最好以及特征工程对线性模型预测效果具有重要性的结论。
对截止至2017年7月17日的债券违约事件进行梳理归因，并寻找宏观流动性影响因素，组成数据集。运用Lasso回归进行特征提取后，输入带L2惩罚项LR、SVM、NN、GBDT、RF等机器学习模型进行违约预测，得出GBDT预测效果最好以及特征工程对线性模型预测效果具有重要性的结论。