LendingClub贷款违约风险预测数据集-预处理版本V2
数据来源：互联网公开数据
标签：贷款,违约,风险评估,金融,信用,机器学习,Lending Club,借款人,财务
数据概述：
本数据集是Lending Club数据集的子集，经过预处理，旨在用于构建端到端的数据科学项目。原始数据集来源广泛，Kaggle上提供了用于处理原始数据集的Notebook。该数据集包含了借款人的各种财务和信用信息，以及贷款的当前状态（是否违约）。
数据字段包括：
loan_amnt：借款人申请的贷款金额。
term：贷款的还款期限，以月为单位，可以是36个月或60个月。
int_rate：贷款的利率。
sub_grade：基于借款人信用记录的贷款子等级。
emp_length：借款人的工作年限，以年为单位。
home_ownership：借款人提供的房屋所有权状态（如租房、自有、抵押等）。
annual_inc：借款人自报的年收入。
addr_state：借款人在贷款申请中提供的州。
dti：借款人总月债务支出（不包括抵押贷款）与月收入的比率。
mths_since_recent_inq：距离最近一次查询的月数。
revol_util：循环信用利用率，即借款人使用的信用额度占所有可用循环信用的比例。
bc_open_to_buy：循环银行卡的开放信用额度总额。
bc_util：所有银行卡账户的当前总余额与信用额度的比率。
num_op_rev_tl：开放循环账户的数量。
n：贷款的当前状态（例如，已完全还清或已注销），这是我们将使用模型预测的标签。
数据用途概述：
该数据集主要用于构建贷款违约风险预测模型。可以用于信用风险评估、贷款定价、投资组合管理等金融领域。数据科学家和机器学习工程师可以使用此数据集进行特征工程、模型训练和评估，以预测借款人未来是否会违约。此外，该数据集也可用于研究借款人的信用行为、分析影响贷款违约的因素，以及开发更有效的风险管理策略。
