github上面那些可以让你快速做模型的代码

01、逻辑回归

1、建立基于逻辑回归的评分卡模型：

https://github.com/LeronQ/score_logistic

2、逻辑斯谛回归（Logistic Regression）的python实现，使用牛顿法

https://github.com/0zone/LogisticRegression/blob/master/LogisticRegression.py

3、 客户评分系统，逻辑回归算法

https://github.com/LeronQ/score_logistic

4、 逻辑回归违约预测

https://github.com/gui1bin2/LogisticRegression

这个代码比较简单，也属于入门级的，跟第一个的区别是，这个代码模型拟合部分写的比较简洁，预测概率那部分也是简洁表达，他跟第一个都没有自动筛选变量的功能，就是你给他什么变量，他就给你出几个变量的权重，当然你可以自己写一个循环，把权重很小，或者权重不合理的变量剔掉之后再拟合。这个代码同时也没有产出评分卡的代码，最后只是有一个对数据产出预测概率而已。

以上这四个代码融和一下，再自己稍微改下，基本你自己的建模习惯的逻辑回归代码就出来了，我的习惯是我学代码的前提是，我先要看懂别人的代码，这样比我自己干写要学的快一些。接下来的这几个就是xgboost的实现代码了。

02、xgboost

1、HI GUIDES精品旅行服务成单预测

https://github.com/yongyehuang/DC-hi_guides

2、 通过游戏埋点数据挖掘进行游戏用户流失分析

https://github.com/JingChunzhen/churn_analysis_SDK

这是一个分析用户流失的程序，通过解析一个数据库形式的埋点数据，进行游戏用户流失分析，其使用方式在信用评分卡场景下是可以迁移的，他的代码结构是以函数开发好对应的功能，然后使用一个main.py的代码把这个引用功能函数，再根据具体数据，做具体的实现，项目中对其使用到的包以及镜像也写的很清楚啦。

3、xgboost的python代码（训练，预测，评估）

https://github.com/R-Stalker/xgboost-python

4、 用xgboost进行分类

https://github.com/junyu-Luo/xgboos_classification

03、多个模型

1、机器学习实战（Python3）：kNN，决策树，贝叶斯，逻辑回归，SVM，线性回归，树回归。

https://github.com/Jack-Cherish/Machine-Learning

这个项目里面包含 adaboost、决策树、逻辑回归、朴素贝叶斯、回归树、回归、支持向量机、神经网络，项目中对应的算法也有对应的代码，其中的注释也是写的非常清晰，包括理论在哪里的链接都备注了非常清晰，是你学习更多算法的一个很好的项目了，推荐5颗星啊，朋友。

2、 实现算法有KNN、Kmeans、EM、Perceptron、决策树、逻辑回归、svm、adaboost、朴素贝叶斯

https://github.com/SmallVagetable/machine_learning_python

这个项目的体贴程度比上面那个博主还要在贴心，这个项目的博主的各个模型实现代码是在自己在网上阅读之后加工的，每个代码都有py格式的也有jupyter格式，py存的是jupyter要用到的函数，jupyter保留每一步的代码结果。

往期推荐：