@libook 你说的这些，即使不是计算机的，也是必备的。 应该归为人最重要的基本能力，或者叫软能力。 已补充。

@kankk 工作后也才发现，大学的教材有多坑。 考研指定教材、老师自己出教材，真心不如直接拿国外的

@withlqs
1 我记得上学的时候只学了数电，没学模电。 不过模电比数电确实难好几个量级，还不敢去深入。
2 我把体系结构归到硬件了，所以编译原理就往下放，和操作系统放一起了。
3 计算机图形学、数值分析是到后期才学的，偏应用一些，学完才发现全是矩阵运算之类的。 当初要是和线性代数一起开课，我肯定卯足了劲学。 可以作为拓展材料看。
4 组合数学和微积分也可以作为拓展材料看。有些难度。

@wcj 一直觉得数据库应该算应用层的东西，就没有放上去。 不过在实际应用中，数据库确实挺重要的。

计算机体系结构硬件软件接口 那本确实 比我写的那本易懂。 多谢推荐。

@wshcdr 说的对。 英语这种软技能，还是挺重要的。

应用新技术也是要讲场景。 现在好多前端都是为了技术而技术。

@udumbara 该项目不能为一个完整的征信模型提供数据，但是可以解决冷启动的问题。

因为这部分数据银行没有，他们几乎不存款；互联网公司也没有，因为他们也几乎不上网。 如果想给他们贷款，必须有个第 1 步。 所以我们用 下一年是否脱贫 以及 下一年人均年收入 作为目标变量。

目前商业的贷款，利息大概是 6%左右；但贫困户几乎贷不到商业贷款。

中国扶贫基金会下面有个中和农信，可以给贫困户贷款，但是利息为 12%，高于商业贷款，目的是为了杜绝投机倒把。
现在一年大概贷出去 20-30 个亿，每年利润 3000 万左右。违约率非常低，才百分之零点几， 因为养了 3600 多人，专门下去跑。 这样算下来，平均 1 个员工 1 万块年收入都不到。 当然，这里是有公益性质的。

所以，我们希望能通过技术的手段，把利息和成本降下来。 先走通第 1 步，放出贷款，然后不断用你说的违约率数据，来丰富模型。

@bxb100 我用的是 mac pro ，大概 20 秒左右出结果。

@kraymond @nevin47 csv 数据已发

@minami 我用你的方法试试。 如果你能做 pull request ，那就更好。

@misaka19000 我也刚入门，调用的 sklearn 库，找做这一块的同学问着做的。

@lightening 我知道。这个 commit 之前，是没有数据库文件的。 我第 1 次添加的就是“去除秘密字段的数据库”。

@minami 可以试试。 不过随机森林分类是用来预测是否脱贫，后面的回归模型是用来预测下一年人均年收入的。 所以没有可比性。

修正上面那条，应该是 “我全猜贫困的概率是 85.3%”

@Xs0ul 跑了一下， feature importance 排名如下：

Feature ranking:
1. feature person_year_total_income (0.712042)
2. feature year_total_income (0.107312)
3. feature member_count (0.041349)
4. feature subsidy_total (0.026403)
5. feature reason (0.020928)
6. feature arable_land (0.017534)
7. feature living_space (0.016653)
8. feature wood_land (0.010882)
9. feature help_plan (0.009243)
10. feature washing_machine (0.006374)
11. feature fridge (0.005236)
12. feature is_danger_house (0.005180)
13. feature tv (0.005083)
14. feature is_debt (0.005042)
15. feature bank_number (0.003775)
16. feature xin_nong_he_total (0.002452)
17. feature call_number (0.002253)
18. feature debt_total (0.001464)
19. feature xin_yang_lao_total (0.000796)
20. feature bank_name (0.000000)
21. feature standard (0.000000)
22. feature is_back_poor (0.000000)

判断脱贫主要就是看 person_year_total_income （人均年收入）， 大于 2800 元的就超过国家贫困线了， 因此我去掉这 2 个因子 person_year_total_income 、 year_total_income ，跑完后，预测成功率是： 81.34%， feature importance 排名如下：


Feature ranking:
1. feature subsidy_total (0.198893)
2. feature arable_land (0.176897)
3. feature living_space (0.146558)
4. feature reason (0.129572)
5. feature member_count (0.113734)
6. feature wood_land (0.082290)
7. feature help_plan (0.024511)
8. feature washing_machine (0.020852)
9. feature tv (0.020510)
10. feature is_danger_house (0.019875)
11. feature is_debt (0.014723)
12. feature fridge (0.014228)
13. feature bank_number (0.012896)
14. feature xin_nong_he_total (0.010757)
15. feature call_number (0.007313)
16. feature debt_total (0.003950)
17. feature xin_yang_lao_total (0.002437)
18. feature bank_name (0.000005)
19. feature standard (0.000000)
20. feature is_back_poor (0.000000)

而我统计了下测试数据分布： 贫困 41289 已脱贫 7089 ， 如果我全猜已脱贫的概率是 85.3%。

这是不是说明， 随机森林模型 不如 瞎猜？

@Xs0ul 只是统计了一下各个因子，单独作用下的效果，写在这个文档里了：[https://shimo.im/doc/IeBd3kPBK0MC1aQY]( https://shimo.im/doc/IeBd3kPBK0MC1aQY)

我第一次知道有 feature importance ， 去查一下

@marenight 对的，是 sql 。想要 csv ，可以留邮箱，我发给你

不知道为什么刚发布的时候，在首页看不到，回复一条试试

新 UI 不错