互联网金融LeningClub信贷数据分析项目实践
转载请注明作者和出处：
Github代码获取：
Python版本： Python3.6
运行环境： Win10 + Anaconda + jupyter Notebook + Sublime text3
1. 项目简介
采用了Lending Club 信用贷款违约数据是美国网络贷款平台 LendingClub 在2007-2015年间的信用贷款情况数据，主要包括贷款状态和还款信息。附加属性包括：信用评分、地址、邮编、所在州等，累计75个属性（列），890000笔 贷款（行）。
贷款违约预测模型，使用了Numpy，Pandas，Sklearn科学计算包完成数据清洗，构建特征工程，以及完成预约模型的训练，数据可视化采用了Matplotlib及Seaborn等可视化包。
2. 信贷数据分析过程
接下来，我们将利用给定的借贷数据，做一次较为完整的
2021-09-23 10:15:01
27KB
1
随着互联网金融机构、产品如雨后春笋般疯狂生长，金融消费产品几乎深入每个人的生活之中。以P2P为代表的互联网金融生态，疯狂吸金、敛财跑路等状况时有发生，互联网金融风险管理正面临前所未有的挑战。本书就是为了解决互联网金融时代出现的新的问题和挑战，通过建立科学的消费信贷评分模型来在最大程度上规范互联网金融产品的各种风险。
2021-09-13 15:46:13
32.33MB
1
邦盛科技-互联网金融风险解决方案.pdf
邦盛拥有一整套以实时金融风险监控产品为主线的高性能解决方案,服务囊括第三方支付、互联网金融、银行、外汇、证券、基金、保险等行业领域。
2021-08-30 10:46:47
3.11MB
1