文件名称：Loan-Default-Prediction: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。 建立了一个模型来预测客户是否会拖欠他的贷款
文件大小：2KB
文件格式：ZIP
更新时间：2024-03-24 22:01:12
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。 还观察到，即使影响较小，具有破产历史的客户比没有破产历史的客户有更大的违约倾向。 银行在批准贷款之前必须对每个客户进行彻底的背景调查，以免发生这种情况。 贷款违约率也受贷款期限的影响。 拥有5年期贷款的客户的违约率是拥有3年期贷款的客户的两倍以上。 根据客户背景，银行必须鼓励客户申请3年期贷款而不
【文件预览】：
Loan-Default-Prediction-master
----README.md(5KB)