基于机器学习算法的网络信用风险评估 通过机器学习在线债务的信用风险分析 项目简介 项目初步利用机器学习算法，试图通过对网贷平台现有数据的分析，对借贷交易进行预测，判断引用客户违约约还款的可能性，为相关网络平台提供方案，从而减少平台与客户的潜在损失，维护网络贷款交易的安全性。 首先使用Python的爬虫从P2P网贷平台上获取了1726条借贷数据，其中违约数据571条，未违约数据1155条。接着使用了决策树，支持向量机，线性判别分析来处理网贷违约与否的二分类问题，和创新性的对线性判别分析法进行了改进

房屋信用违约风险（HCDR） 该课程项目基于房屋信用违约风险（HCDR）Kaggle竞赛。 该项目的目的是预测客户是否会偿还贷款。 为了确保因信用记录不足或不存在而难以获得贷款的人们拥有良好的贷款经验，Home Credit利用各种替代数据（包括电信和交易信息）来预测其客户还款能力。 一些挑战 数据集大小 （688兆未压缩）具有数百万行数据 2.71 Gig数据未压缩 处理丢失的数据 不平衡的数据集 汇总交易数据 合并汇总数据 团队 阿尤什·斯里瓦斯塔瓦（Ayush Srivastava）

贷款还款预测 数据来源： :