个人贷款违约预测模型

1 项目介绍

本项目通利用Kaggle平台predict-loan-defaulters (网盘下载提取码: tkup)贷款数据，通过逻辑回归模型来对这些数据进行预测判断，构建贷款违约预测模型，建立预测模型，预测正处于贷款期间的人的违约的概率 。

业务理解

在贷款管理方面，如果可以通过构建量化模型对客户的信用等级进行一定的区分。得知了每个账户的违约概率后，可以预估一下未来的坏账比例，及时做好资金安排。也可以对违约概可能性较高的客户进行更加频繁的“关怀”，及时发现问题，以避免损失。
在这个量化模型中，被解释变量为二分类变量，因此需要构建一个排序类分类模型。而排序类分类模型中常使用的算法是逻辑回归。

1.2 数据介绍
实际业务中的一个人可以拥有多个账户号（account_id），一个账户号（account_id）可以对应有多个顾客（client_id），即多个顾客共享一个账户号（account_id），但是每个帐户号（account_id）的所有者（即最高权限者）只能是一人。
账户号（account_id）与客户号（client_id）的对应关系，在表“disposition”中进行列示；
表“Loan”为银行提供给账户号（account_id）的服务；
表“Credit card”为银行提供给的顾客（client_id）的服务，每个客户可以申请一张信用卡；
贷款为基于账户的服务，一个账户（account_id）在一个时点最多只能有一笔贷款。
本次数据建模分析共用了八个数据表：