个人信用风险评估数据集PersonalCreditRiskAssessmentDataset-roynjuguna
数据来源：互联网公开数据
标签：信用评分, 风险评估, 贷款违约, 金融风控, 机器学习, 数据分析, 客户画像, 信用预测
数据概述：
该数据集包含来自金融机构的个人信用数据，用于评估个人信用风险和预测贷款违约概率。主要特征如下：
时间跨度：数据未明确标注时间，但根据贷款周期和相关日期字段推测，数据集反映了特定时间段内的信用行为。
地理范围：数据未明确标注地理范围，可能涵盖多个国家或地区，具体信息需参考数据中的国家ID字段。
数据维度：数据集包含多个关键字段，例如：
ID：贷款的唯一标识符。
customer_id：客户的唯一标识符。
country_id：客户所属国家/地区的标识符。
tbl_loan_id：贷款记录的标识符。
lender_id：贷款发放者的标识符。
loan_type：贷款类型。
Total_Amount：贷款总额。
Total_Amount_to_Repay：应还款总额。
disbursement_date：贷款发放日期。
due_date：贷款到期日。
duration：贷款期限。
New_versus_Repeat：贷款是否为新贷款或重复贷款。
Amount_Funded_By_Lender：贷款人提供的资金额。
Lender_portion_Funded：贷款人出资比例。
Lender_portion_to_be_repaid：贷款人应收回的金额。
target：信用违约标签（0表示未违约，1表示违约）。
数据格式：数据集包含多个文件，主要为CSV格式，便于数据导入和分析。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于金融风险管理、信用评分模型构建、贷款违约预测等领域的学术研究，如研究不同因素对违约概率的影响。
行业应用：为金融机构提供数据支持，特别是在信贷审批、风险定价、客户细分等方面。
决策支持：支持金融机构进行风险评估和决策制定，优化信贷策略，降低坏账率。
教育和培训：作为金融风控、机器学习、数据分析等课程的实训材料，帮助学生和从业者理解信用风险管理。
此数据集特别适合用于构建信用评分模型，分析影响贷款违约的关键因素，并预测未来的信用风险。
