loan-default

贷款违约预测 如果您发现此代码对您的研究有用，请引用以下论文： 该项目的目的是建立一个机器学习模型，以通过评估某些属性来预测是否应向个人提供贷款。 本项目中使用的2种ML算法是： 决策树 随机森林 该存储库包含以下文件： 数据 LCData字典Lending Club数据集中所有列的描述的Excel文件。 工程书该项目的Jupyter笔记本。 自述文件 由于数据集非常大，无法上传到github，因此这是Lending Club数据集的链接：

贷款违约预测 该项目旨在确定贷款违约率与贷款数据集中的特征变量之间的相关性。 建立模型来预测客户是否会拖欠他/她的贷款。 两种回归/分类算法用于预测响应变量loan_default 。 使用的模型是-Logistic回归和决策树。 分析：- 有一些变量会大大影响客户拖欠贷款的可能性。 银行利率影响客户的贷款违约率。 使用数据分析技术，可以观察到利率低于9.75％的贷款从未违约，而利率高于或等于14％的所有贷款都没有违约。 这促使需要降低利率或鼓励客户选择低利率贷款方案，以避免不必要的违约。

Loan-Default-Forecasting-using-Data-Mining