没有合适的资源?快使用搜索试试~ 我知道了~
70 智能金融Lengding Club——构建贷款违约预测模型.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 137 浏览量
2021-12-23
19:43:27
上传
评论
收藏 854KB DOCX 举报
温馨提示
试读
49页
70 智能金融Lengding Club——构建贷款违约预测模型.docx
资源推荐
资源详情
资源评论
【智能金融】构建贷款违约猜想
模型
爱好者社区
原文
作者:
知乎专栏: !" !#$
1 项目概述
• •阿 兰 麦 席 森 图 灵 ( % & '( , )*+
),* ),英国数学家、规律学家,他被视为计算机之父。 )+ 年图
灵进入剑桥高校国王学院,毕业后到美国普林斯顿高校攻读博士学位,二
战迸发后回到剑桥,后曾帮忙军方破解德国的出名密码系统 -!,挂
念 盟 军 取 得 了 二 战 的 成 功 。
)+* .年,图灵向伦敦权威的数学杂志投了一篇论文,题为 论数字计算在
/ . /决断难题中的使用 。在这篇开创性的论文中,图灵给 可计算性 下了一个
. /严格的数学定义,并提出出名的 图灵机 0'(& 1 .的设想。 图
/灵机 不是一种具体的机器,而是一种思想模型,可制造一种格外简约但运
.算力气极强的计算安装,用来计算全部能想象得到的可计算函数。 图灵
/ . 2 /机 与 冯 诺伊曼机 齐名,被永世载入计算机的进展史中。 ), 年
. /月,图灵又发表了另一篇题为 机器能思考吗 的论文,成为划时代之作。
也正是这篇文章,为图灵博得了“ ”人工智能之父 的桂冠。
本项目需处理的问题
本项目通过利用 平台 的贷款数据,进行机器学
习,构建贷款违约猜想模型,对新增贷款申请人进行猜想能否会违
约,从而打算能否放款。
建模思路
以下是本次项目机器学习工作流程,实际操作中,其实每个步骤都是
反复迭代的过程。
2 项目背景
作为旧金山的一家个人对个人的借贷公司, 成立于 *
年。他们是第一家注册为依据美国证券买卖委员会 $-0$ (
-3 !!1的平安标准向个人供应个人贷款的借贷公司。
与传统借贷机构最大的不同是, 利用网络技术打造的这个买
卖平台,直接连接了个人投资者和个人借贷者,通过此种方式,缩短了资
金流通的环节,尤其是绕过了传统的大银行等金融机构,使得投资者和借
贷者都能得到更多实惠、更快捷。对于投资者来说可以获得更好的报答,
而对于借贷者来说,则可以获得相对较低的贷款利率。
关于 更多引见,可以参考虎嗅网的文章《来生疏一下
即将上市的全球最大
网贷公司
》
。
4 !5(67+%8883 !
( !
若想了解 年 9 业务情况也可以参考我上一个
项目的报告《注册会计师带你探究风险分析(
EDA
)
》。
!)*,*)
3 场景解析(算法选择)
贷款申请人向 平台申请贷款时, 平台
通过线上或线下让客户填写贷款申请表,收集客户的基本信息,这里
包括申请人的年龄、性别、婚姻情况、学历、贷款金额、申请人财产
情况等信息,通常来说还会借助第三方平台如征信机构或 :;< 等机
构 的 信 息 。 通 过 这 些 信 息 属 性 来 做 线 性 回 归 , 生 成 猜 想 模
型, 平台可以通过猜想推断贷款申请能否会违约,从
而打算能否向申请人发放贷款。
通过以上的业务规律和上一个项目报告《注册会计师带你探究风险分
析(
EDA
)
》的数据探究,下面进行场景解析。
)首先,我们的场景是通过用户的历史行为(如历史数据的多维特
征和贷款外形能否违约)来训练模型,通过这个模型对新增的贷款
. /人 能否具有偿还力气,能否具有偿债志愿 进行分析,猜想贷款申请
人能否会发生违约贷款。这是一个监督学习的场景,由于已知了特征
以及贷款外形能否违约(目标列),我们判定贷款申请人能否违约是
一个二元分类问题,可以通过一个分类算法来处理,这里选用规律斯
蒂回归( ()。
)通过上一个项目报告《注册会计师带你探究风险分析(
EDA
)
》
可以看到,部分数据是半结构化数据,需要进行特征笼统。
现对该业务场景进行总结如下:
依据历史记录数据学习并对贷款能否违约进行猜想,监督学习场
景,选择规律斯蒂回归(Logistic Regression)算法。
数据为半结构化数据,需要进行特征笼统。
本项目报告,我将如何运用 操作数据和机器学习的思考过程
均记录下来。
4 数据预处理(Pre-Processing Data)
前期预备
# Imports
# Numpy,Pandas
import numpy as np
import pandas as pd
# matplotlib,seaborn,pyecharts
import matplotlib.pyplot as plt
plt.style.use('ggplot') # 风 格 设 置 近 似 R 这 种 的
ggplot 库
import seaborn as sns
sns.set_style('whitegrid')
%matplotlib inline
import missingno as msno
# 忽视弹出的 warnings
import warnings
剩余48页未读,继续阅读
资源评论
bingbingbingduan
- 粉丝: 0
- 资源: 7万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功