基于机器学习的小额贷款需求预测。 1.对异常数据进行处理。 2.对于分布不平衡问题，通过BorderlineSMOTE进行过采样，确保正负样本的均衡。 3.特征工程使用随机森林对数据进行分箱，并通过关联规则算法思想进行重要字段的结合。 并通过PCA降维对原始字段进行降维

随着市场竞争日益激烈，传统市场饱和度提高，新兴市场进入困难，同时其他运营商不断加大了对中高端客户、流量客户等重点客户群的争夺，存量市场的竞争持续加剧，客户保有形势十分严峻，公司急需深耕客户需求，建立集中化、标准化的存量客户保有体系，实现客户保有及价值的双提升。因此对客户离网倾向进行提前判断以促进降低客户流失率对于存量客户保有工作愈发重要，为提高户保有率，有效应对市场竞争，进一步防止客户流失，开展识别精准目标客户的工作。 本项目基于移动数据，通过移动提供数据，在数据预处理特征工程阶段，通过进行PCA降维，且由于正负样本差异巨大，使用了borderlingSMOTE方式，即通过对样本量少的样本进行过采样，来达到使正负样本本不均匀的目的。

分布式光伏发电量具有随时间波动大，受气象条件和季节因素影响大的特点。本项目受电力系统委托，基于机器学习算法对光伏未来功率进行预测。在实践过程中，数据预处理阶段，提出改进灰色关联度的方式，寻找待预测功率的三条历史相似功率均值，以此作为新添加字段放入原始字段中，并对原始字段通过随机森林算法进行数值型字段的分箱，且利用关联规则算法，找到字段间结合的规律进行字段结合。提高了预测准确率。