0


home credit default risk(捷信违约风险)机器学习模型复现(论文_毕业设计_作业)

在这里插入图片描述你能预测每个申请人偿还贷款的能力吗?由于信用记录不足或不存在,许多人难以获得贷款。而且,不幸的是,这些人经常被不可靠的贷方利用,例如高利贷,校园贷。

捷信努力为没有银行账户的人群扩大金融包容性。为了确保这些服务不足的人群获得积极的贷款体验,捷信利用各种替代数据(包括电信和交易信息)来预测客户的还款能力。

Home Credit捷信目前正在使用各种统计和机器学习方法进行这些预测,以帮助他们释放数据的全部潜力。这样做将确保有能力还款的客户不会被拒绝,并且贷款的本金、到期日和还款日历将使他们的客户获得成功。
在这里插入图片描述我们团队提供此项目数据集和机器学习复现代码。

数据集变量上百,样本量超过30万,是各种机器学习实验理想的数据集。
在这里插入图片描述我们训练的模型性能良好,AUC高于0.76.
在这里插入图片描述我们团队能打破机器学习不可解释的黑箱,提供变量可解释性,下图是top10重要变量。图中可见ext_source_3,ext_source_2,ext_source_1是非常重要变量捷信的数据集中,对外部数据源的依赖是非常高的。
在这里插入图片描述我们团队能提供变量相关性矩阵,如下图,诸多变量呈现高相关性。模型没必要采用所有变量,为节约成本可以删除部分变量。
在这里插入图片描述我们团队提供变量描述性统计,下图是各个变量的分布图汇总。我们可见有的变量呈现正态分布,有的是左偏态,有的是右偏态。有的变量还需要进一步细分。
在这里插入图片描述用户不需要了解数学,统计学,机器学习,编程等知识即可获取想要结果。

在这里插入图片描述我们团队根据十年多建模积累专业经验自动帮助用户寻找最优算法,自动化数据预处理;自动化调参;专业化多角度模型验证;生成专业模型报告,图文并茂;
在这里插入图片描述在这里插入图片描述我方团队还可提供远程支持,远程协助小白用户搭建和调试好编程环境,用于应付老师代码抽查。这节省用户大量调研时间,省时省事。

home credit default risk(捷信违约风险)机器学习模型复现(论文

版权声明:文章来自公众号(python风控模型),未经许可,不得抄袭。遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。


本文转载自: https://blog.csdn.net/toby001111/article/details/124870970
版权归原作者 python风控模型 所有, 如有侵权,请联系我们删除。

“home credit default risk(捷信违约风险)机器学习模型复现(论文_毕业设计_作业)”的评论:

还没有评论