Advertisement

人人贷款数据集，包含262,970条记录和68个指标

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：XLSX

简介：
人人贷款数据集包含了详尽的个人借贷信息，总计262,970笔交易记录，涵盖68项评估指标，为分析借款人的信用状况提供了丰富资源。 贷款数据包含262,970条记录和68个指标。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 人人贷款数据集，包含262,970条记录和68个指标
    优质
    人人贷款数据集包含了详尽的个人借贷信息，总计262,970笔交易记录，涵盖68项评估指标，为分析借款人的信用状况提供了丰富资源。 贷款数据包含262,970条记录和68个指标。
     
  • CF手游标注数据集含5902条记录
    优质
    这是一个包含5902条记录的手游《穿越火线》（CF）的数据集合，用于游戏内的机器学习和人工智能研究。 共有5902个站点，按照8:1:1的比例划分训练集、测试集和验证集。
     
  • 包含2000多条记录的多标签心电图数据集
    优质
    这是一个庞大的多标签心电图数据集，包含了超过两千条详细记录，为心脏病的研究和诊断提供了宝贵的数据支持。 我们有2000多个医疗心电样本数据集。每个样本包含8个导联信号：I、II、V1、V2、V3、V4、V5 和 V6。根据标准计算公式，III 导联等于 II - I；aVR 等于 -(I + II)/2；aVL 等于 I - II/2；aVF 等于 II - I/2。每个样本的采样频率为 500 Hz，持续时间为10秒，并且单位电压是4.88微伏（microvolts）。
     
  • 癌症患者数据集，包含100条记录
    优质
    本数据集收录了100名癌症患者的医疗信息，旨在为癌症研究与治疗提供参考依据。涵盖诊断、治疗及预后等多维度细节。 用于KNN算法的癌症数据存储为csv文件，包含以下字段：id、诊断结果（B表示健康，“M”表示患病）、半径、纹理、周长、面积、光滑度、紧实度、对称性以及分形维度。
     
  • 贷款数据集
    优质
    该贷款数据集包含了申请人的详细信息以及贷款审批结果，旨在帮助研究人员和金融机构开发预测模型，优化信贷评估流程。 请提供需要我帮助重写的“loan.csv”相关文字内容，我会根据你的要求进行调整。由于你提到的文档或段落里可能包含具体的联系信息或其他链接，但没有直接给出具体内容，所以请你分享具体文本以便我能准确地完成任务。
     
  • 包含60000条记录的电子邮件数据集
    优质
    这是一个庞大的电子邮件数据集合，包含了六万条详细的邮件记录，为研究和数据分析提供了宝贵的资源。 有60000个电子邮件样本可供贝叶斯分类器学习使用，这些邮件被标记为垃圾邮件或正常邮件。
     
  • 京东商品数据集包含约11万条记录
    优质
    此京东商品数据集收录了大约十一万条详尽的商品信息记录，为研究者和开发者提供了丰富的电商行业分析素材。 京东商品数据集包含了平台上各种商品的详细信息，适用于数据分析、市场调研及推荐系统等多种应用场景。以下是根据您提供的字段（商品名称、价格、评论条数、店铺、id）对数据集进行的具体描述： **数据集字段说明** - 商品名称：这是用户识别特定产品的标准标识符。 示例：“小米Redmi Note 12 Turbo” - 价格：当前销售价，可能包括优惠后的折扣价等。实际售价会因促销活动等因素而变动。 示例：¥1999 - 评论条数：该商品收到的用户评价数量，体现了市场反馈和受欢迎程度。 示例：2000+ - 店铺：销售此产品的店铺名称或标识符，可能涵盖京东自营店及第三方商家等。 示例：“京东自营旗舰店”、“XX品牌官方旗舰店” - id：用于在平台上唯一识别商品的编号（如SKU ID）。 示例：“1234567890”，由数字和字母组合而成。
     
  • 个人贷款管理系统的使用指南.doc
    优质
    《个人贷款管理系统的使用指南》是一份详细的文档，旨在指导用户如何高效地操作个人贷款管理系统。该文档覆盖了从系统登录到各项功能使用的全方位说明，帮助借款人轻松掌握还款计划、查询账单及进行其他相关操作，确保财务规划的顺利执行。 个人贷款管理系统使用手册提供了一份详细的指南，帮助用户了解如何有效地利用该系统来管理个人贷款事务。这份文档涵盖了系统的各个方面，包括但不限于基本操作、功能介绍以及常见问题的解决方案等信息。通过阅读此手册，用户可以快速掌握系统的各项特性，并能更高效地进行日常管理和维护工作。
     
  • PointNeXt（个人记录）
    优质
    PointNeXt是一款由作者自行开发和优化的深度学习模型，专为点云数据处理设计，在多种任务中展现出优越性能，是个人技术探索与实践的重要成果。 PointNeXt是一个基于Transformer架构的点云处理模型，在保持高效的同时提供了强大的表达能力。该模型采用了Stage-Wise Supergroup设计来提升性能，并通过深度-wise归一化技术改善了训练过程中的稳定性问题，使得在多个基准数据集上取得了优秀的实验结果。