在完成机器学习课程后，自己针对GBDT，XGboost等在反欺诈/反洗钱领域常用的模型再进行了自学所做出的结果，对之前的作业项目代码进行了进一步的提升和优化，通过LR，SVM，DT，GBDT，XGboost这几个该领域常用的模型对数据集进行学习，AUC从0.7左右得提高到了0.9左右。
主要结论：
将几种常见的贷款违约风险分析模型的预测效果进行对比：
LR: AUC=0.93，速度极快
SVM：AUC=0.82，速度较慢
DT：AUC=0.91，速度极快
GBDT：AUC=0.96，速度较快
XGBoost: AUC:0.99 速度较快
关于数据集：
