一些商业类Kaggle竞赛

Posted 2020-12-21 malcolmwallace

Home Credit Default Risk

Can you predict how capable each applicant is of repaying a loan?
您能预测每个申请人偿还贷款的能力吗？

由于信用记录不足或不存在，许多人难以获得贷款。 而且，不幸的是，这些人口经常被不可靠的放贷人利用。住房信贷通过提供积极而安全的借贷经验，努力扩大无银行账户人群的金融包容性。为了确保服务不足的人群拥有良好的贷款经验，Home Credit利用各种替代数据（包括电信和交易信息）来预测其客户的还款能力。

虽然Home Credit目前正在使用各种统计和机器学习方法进行这些预测，但他们正在挑战Kaggler，以帮助他们挖掘数据的全部潜力。 这样做将确保不会拒绝有还款能力的客户，并确保提供具有本金，到期日和还款时间表的贷款，这将使他们的客户获得成功。

TalkingData AdTracking Fraud Detection Challenge

您可以检测到移动应用广告的欺诈点击流量吗？

欺诈风险无处不在，但对于在网上做广告的公司而言，点击欺诈可能会大量发生，从而导致误导点击数据并浪费金钱。 通过简单地大规模点击广告，广告渠道可以提高成本。 中国每月有超过10亿的智能移动设备在使用，它是世界上最大的移动市场，因此遭受了大量的过分繁忙的流量。

TalkingData是中国最大的独立大数据服务平台，覆盖了全国70％以上的活动移动设备。他们每天处理30亿次点击，其中90％可能是欺诈性的。他们当前为应用程序开发人员防止点击欺诈的方法是衡量用户在其产品组合中的点击过程，并标记产生大量点击但从未最终安装应用程序的IP地址。利用这些信息，他们已经建立了IP黑名单和设备黑名单。

成功的同时，他们希望始终领先于欺诈者，并已向Kaggle社区寻求帮助，以进一步开发其解决方案。在与Kaggle进行的第二次竞争中，您面临的挑战是构建一种算法来预测用户在点击移动应用广告后是否将下载应用。为了支持您的建模，他们提供了一个慷慨的数据集，涵盖了4天约2亿次点击！