Home Credit Default Risk datasets 原始数据下载 比赛数据集，验证可用，只用于研究交流。

Credit Card Fraud Detection信用卡欺诈数据集-数据集

train.csv+UNRATE.csv+LogiReg_data.txt+creditcard.csv+fandango_score_comparison.csv+big.txt

cs-training.csv cs-test.csv

信用卡客户细分 业务问题银行不断需要为客户量身定制自己的经验，以保持其在银行业中的竞争力。 每年，银行都会创建定制的信用卡以适应其客户群的不同生活方式，并制定个性化的营销策略以扩大其目标市场。 了解银行客户群的特定特征已成为维持银行活力的关键。 该项目旨在利用聚类分析对公司的信用卡用户进行细分。 它可以帮助公司为客户提供定制的信用卡服务，从而提高他们的盈利能力。 ###数据集我们的数据集包括8950行和18列。 每行代表一个信用卡客户，各列主要是信用卡使用量变量。 除代表客户ID的列外，所有列均为数字。 在这些数字列中，我们有14个浮点变量和3个整数变量。 我们确认我们的数据集只有两列为NULL值； credit_limit和minimum_payments 。 我们使用中位数来填充credit_limit的1个缺失列和minimum_payments列的313个缺失值。 在确认mini

在这里，我有信用风险数据集的代码。 在此数据集中，有许多细节，例如... Loan_ID 614非空对象性别614非空int32已婚614非空int32依赖对象614非空int32教育614非空对象Self_Employed 614非空int32 ApplicantIncome 614非空int64 CoapplicantIncome 614非空float非空float64 Loan_Amount_Term 614非空float64 Credit_History 614非空float64 Property_Area 614非空对象Loan_Status 614非空int32 在这种情况下，我们必须预测该人是否将获得贷款（1）或不获得（0）。 '''贷款ID无效Loan_status是目标变量'''清理数据（填充Null数据，将String转换为整数）后，我使用了各种分类算法。（COZ是

预测信用评分 在这个数据科学项目中，我们将通过建立信用评分预测模型来预测借款人违约的机会。 使用的技巧 决策树分类器 随机森林分类器 逻辑回归 支持向量机 人工神经网络 在该项目使用的五种技术中，发现人工神经网络具有82％的最高精度。 数据集： Credit_Scoring.csv 多合一笔记本： Credit_Scoring.ipynb

信用风险模型 使用kaggle数据集查找信用风险的机器学习模型

Credit_Risk_Analysis 项目概况 我们正在分析来自点对点贷款服务公司LendingClub的数据，并创建一个机器学习模型来预测申请人的信用风险。 目的 该模型的目的是帮助简化贷款的申请流程。 对于该项目，我们将采用不同的采样技术来解决不平衡的类别。 然后，我们将测试和比较平衡的随机森林分类器和易集成分类器，这两个模型可减少偏差，并确定是否可以使用这两个模型来一致地预测申请人的信用风险。 结果 天真的随机过采样逻辑回归 平衡准确度得分：0.641 精度：0.01 召回率：0.65 SMOTE过采样逻辑回归 平衡准确度得分：0.663 精度：0.01 召回率：0.63 聚类质心欠采样逻辑回归 平衡准确度得分：0.545 精度：0.01 召回率：0.69 SMOTEENN组合抽样逻辑回归 平衡准确度得分：0.648 精度：0.01 召回率：0.71 平衡

KMV的MATLAB的代码信用风险模型 使用Flask-Restplus的信用风险即服务API的简单示例 KMV模型 这里给出的样本模型是KMV模型。 KMV模型计算公司的公司预期违约频率（EDF）。 EDF还是违约概率的代理。 记入（HK UST）进行实际演示- def kmv(enterprise_value, short_term_debt, long_term_debt, mu, sigma, period=1): """ KMV Model - https://www.math.ust.hk/~maykwok/Web_ppt/KMV/KMV.pdf :param enterprise_value: Enterprise Value of the Firm (can market capitalisation) :param short_term_debt: Firm's short term debt :param long_term_debt: Firm's long term debt :param mu: Expected Return after 1 year :pa