creditrisk 源码

Lending Club数据信用风险分析-预测违约 介绍 对于这个项目,我从Lending Club批准的2007年至2011年的个人贷款中选择了一个数据集。可以在上找到该数据。 分析的目的是提高盈利能力,并帮助公司和投资者确定利率。 我们将使用机器学习模型将信用风险建模为二进制分类问题。 表中的内容 简介导入库创建功能混淆矩阵图特征重要性图ROC曲线图最低PCA FPR和TPR 探索性数据分析 读取数据 探索数据-目标列-功能选择 打扫 缺失值 格式化数值数据 为分类创建虚拟变量 造型 选择绩效指标 班级失衡的SMOT 逻辑回归 支持PCA的SVM 随机森林 XG加速 结论 下一步 绩效指标选择 该模型将用于确定谁应该批准贷款,谁不应该批准贷款,拒绝向最终将全额付款(误报)的客户贷款是一种损失,但是由于利息通常只是贷款的一部分当风险根本不偿还而损失了代表更高金额的全部本金时,公司很可