作为课程项目小组负责人，我组织三名组员完成从数据清洗到模型评估的全流程：基于公开脱敏样本，用Python与SQL处理约1.2万条记录，统一字段口径并交叉复核特征筛选结果，对比逻辑回归与XGBoost在测试集上的表现，AUC约0.78；同时输出实验记录、可视化报告与答辩材料，重点说明样本偏差与模型局限，并提出后续引入更多行为特征的改进方向。

独立开发轻量记账工具并持续迭代：用Python生成模拟账单数据，Flask提供分类统计接口，前端ECharts展示分类支出与月度趋势，并设计预算阈值提醒逻辑；在本地约3000条记录上验证分类准确率与页面响应时间，补充异常处理与输入校验，整理README和使用说明，记录每次迭代的问题与优化点，形成可复用的开发笔记。