FINA5270 Assignment 2

Hello, dear friend, you can consult us at any time if you have any questions, add WeChat: daixieit

FINA5270

Assignment 2

Part 1: Loan Default Data

(10 pts)Question 1: Load and preprocess the data. Use the MinMax scaler to

convert data features to range 0 to 1 and transform string categorical features to

numerical or dummy features.

 

In  [  ]:

 

(10 pts)Question 2: Create train and test set, using the train_test_split function

and create 80% of training set and 20% of test set. Fix the random seed.

 

In  [  ]:

 

(20 pts)Question 3: Create and train four models -

i) Logistic regression

ii) Random Forest classifier

iii) Extreme Gradient Boosting (XGB) classifier

iv) Deep Neural Network with 3 hidden layers (With L2 regularizer and dropout layer)

 

In  [  ]:

 

(10 pts)Question 4: Create a Confusion Matrix for each model and compare -

which one has the best performance based on the F1 score?

 

In  [  ]:

 

 

Part 2: The Housing Price in California

The data pertains to the houses found in a given California district and some summary stats.


202(280(/2)6p(0)s(:1)5)Question 1: Data preprocess(FI)n(A)g(52)70_Assignment_2 - Jupyter Notebook

i) Convert non-numerical data to numerical data (categories)

ii) Normalize the data to standard-normal distribution for each feature except for the target feature ('medianhousevalue')

iii) Separate the data into training (70%) and test sets (30%)

 

In  [  ]:

In  [  ]:

 

(10 pts)Question 2: Create a feature that combines "longitude" and "latitude"

(Hint: Turn them into strings, combine the strings and convert it into

categories)

 

In  [  ]:

 

(20 pts)Question 3: Create and train four models -

i) Linear Regressor

ii) Random Forest regressor

iii) Extreme Gradient Boosting (XGB) regressor

iv) Deep Neural Network with 3 hidden layers (With L2 regularizer and dropout layer)

Show the respective "MSE" for test set and compare the performance. Which model performs best in this case?

 

In  [  ]:

 

(10 pts)Question 4: Display the training and validation (set it to be 20% of the tarining set) MSE

throughout the epochs in a graph

 

In  [  ]:







2022-08-27