Prosper_Loan_Dataset_Udacity

贷款申请人属性的影响 通过凯米·卡尼 数据集 Prosper贷款数据集包含113,937笔贷款，每笔贷款有81个变量，包括贷款金额，借款人利率，当前贷款状态，借款人收入等。 在整理数据时，为了使数据集更加简洁，我删除了分析中不必要的列。 我还根据需要将数据类型更改为datetime或categorical，并使变量IncomeRange，employmentStatus和LoanStatus排序为分类数据类型。 调查结果摘要 收入范围类别在“未雇用”或“ 1-24,999”类别中显示与较高借款人利率的关系。 并不奇怪。 同样，失业者也显示出更高的贷款利率。 对于整容手术，贷款类型的平均利率最高，其次是家庭支出。 债务合并和婴儿收养似乎是最高的贷款额，人们赚的钱越多，贷款似乎就越高。 当我运行带有数字变量相关性的热图时，我惊讶地发现它们之间没有很强的关系。 最强的相关性是借款人利率与信用评