Credit-Loans-of-Data-Analysis:基于互联网金融平台2015年度贷款数据完成信贷违约预测模型，该模型可以作为信贷平台预测违约借款人的参考-源码

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