个人贷款违约预测模型练习

文章目录1 导入数据分析及可视化过程需要的库2 读取文件3 总体了解4 查看数据集中特征缺失值，唯一值等总结：5 查看特征的数值类型有哪些，对象类型有哪些总结：6 变量分布可视化根据y值不同可视化x某个特征的分布6 时间格式数据处理及查看7 掌握透视图可以让我们更好的了解数据8 用pandas_profiling生成数据报告总结 此部分为零基础入门金融风控的 Task2 数据分析部分，带你来了解数据，熟悉数据，为后续的特征工程做准备，欢迎大家后续多多交流。 赛题：零基础入门数据挖掘 - 零基础入门金融风控之

本文旨在利用机器学习中的LightGBM模型构建信用风险评估模型，预测贷款申请人的违约概率，并区分中高低风险客户，从而优化贷款审批决策。研究基于Prosper公开贷款数据集，包含81个特征，涵盖贷款基本信息、借款人信息、信用历史与评分等类别。通过数据预处理、探索性分析和模型构建，研究发现借款人信用评分、信用卡使用频率、收入水平、信用评级及客户身份等因素与违约率显著相关。模型评估结果显示，该模型在准确率、PRAUC和RMSCE等指标上表现良好，能够有效降低银行因误批或拒批贷款而导致的损失，提升贷款决策的精准性

import os import pandas as pd os.chdir('E:\BaiduNetdiskDownload\违约贷款案例') # ## 1.1导入数据 loanfile = os.listdir() createVar = locals() for i in loanfile:     if i.endswith("csv"):                 create...

1.项目背景 项目来自阿里天池数据竞赛: 零基础入门金融风控-贷款违约预测-天池大赛-阿里云天池​tianchi.aliyun.com/competition/entrance/531830/introduction?spm=5176.12281973.1005.3.3eae1f54ZWQJJA正在上传…重新上传取消https://link.zhihu.com/?target=https%3A//tianchi.aliyun.com/competition/entrance/531830/introdu

贷款违约预测_Task2 本文结合数据分析，给出了本次比赛的基线方案，该基线方案线上评测得分为0.7391。

Task2 数据分析 此部分为零基础入门金融风控的 Task2 数据分析部分，带你来了解数据，熟悉数据，为后续的特征工程做准备，欢迎大家后续多多交流。 赛题：零基础入门数据挖掘 - 零基础入门金融风控之贷款违约 目的： 1.EDA价值主要在于熟悉了解整个数据集的基本情况（缺失值，异常值），对数据集进行验证是否可以进行接下来的机器学习或者深度学习建模. 2.了解变量间的相互关系、变量与预测值之间的存在关系。 3.为特征工程做准备 项目地址：https://github.com/datawhal

我是小z本次分享一个数据挖掘实战项目：个人信贷违约预测，此项目对于想要学习信贷风控模型的同学非常有帮助，数据源在文末。项目背景当今社会，个人信贷业务发展迅速，但同时也会暴露较高的信用风险。...

Task5 模型融合 Tip:此部分为零基础入门金融风控的 Task5 模型融合部分，欢迎大家后续多多交流。 赛题：零基础入门数据挖掘 - 零基础入门金融风控之贷款违约预测 项目地址：https://github.com/datawhalechina/team-learning-data-mining/tree/master/FinancialRiskControl 比赛地址：https://tianchi.aliyun.com/competition/entrance/531830/introductio

文章目录Task4 建模与调参4.1 学习目标4.2 内容介绍4.3 模型相关原理介绍4.3.1 逻辑回归模型4.3.2 决策树模型4.3.3 GBDT模型4.3.4 XGBoost模型4.3.5 LightGBM模型4.3.6 Catboost模型4.3.7 时间序列模型(选学)4.3.8 推荐教材：4.4 模型对比与性能评估4.4.1 逻辑回归4.4.2 决策树模型4.4.3 集成模型集成方法（ensemble method）4.4.4 模型评估方法4.4.5 模型评价标准4.5 代码示例4.5.1 导

赛题介绍 链接：https://tianchi.aliyun.com/competition/entrance/531830/information 赛题数据 赛题以预测用户贷款是否违约为任务，数据集报名后可见并可下载，该数据来自某信贷平台的贷款记录，总数据量超过120w，包含47列变量信息，其中15列为匿名变量。为了保证比赛的公平性，将会从中抽取80万条作为训练集，20万条作为测试集A，20万条作为测试集B，同时会对employmentTitle、purpose、postCode和title等信息进行脱敏

https://zhuanlan.zhihu.com/p/255105477 https://tianchi.aliyun.com/notebook-ai/detail?spm=5176.12586969.1002.18.3b3022faqoVnOw&postId=129318 https://www.jianshu.com/u/63b7115ac4ee https://blog.csdn.net/qq_43401035/category_10383961.html 比赛地址：https://tia

写在前面： 刚接触数据挖掘，看了几页python就跳进了这个大坑，也不知道该咋写这个博客，先瞎写着吧。介绍下自己参加的这个项目，是Datawhale和天池比赛联合发起的，我们在Datawhale组对学习，然后自愿参加报名天池比赛。Datawhale是一个AI领域的开源学习组织，我个人很敬佩他们的创始者，至少目前让我感觉这是一个很不错的组织；天池是阿里云旗下的一个组织，也是专注于AI领域的，我上去看了下，里面也有很多关于AI的学习视频和比赛。两者结合，我感觉自己一定会有所收获的。下面开始介绍我现在接触的入门