台湾信用卡客户违约预测数据集-2005年4月至9月
数据来源：互联网公开数据
标签：信用卡,违约,风险评估,金融,台湾,客户行为,信用评分,时间序列,机器学习
数据概述：
本数据集收录了2005年4月至9月期间台湾信用卡客户的详细信息，包含客户的违约支付情况、人口统计学特征、信用数据、还款历史以及账单明细。数据为结构化表格形式，共包含25个变量，旨在用于信用风险评估和违约预测。
数据字段说明：
* ID：客户ID
* LIMIT_BAL：给予的信用额度，单位为新台币（NTD），包括个人和家庭/补充信用
* SEX：性别（1=男性，2=女性）
* EDUCATION：教育程度（1=研究生，2=大学，3=高中，4=其他，5=未知，6=未知）
* MARRIAGE：婚姻状况（1=已婚，2=单身，3=其他）
* AGE：年龄（岁）
* PAY_0至PAY_6：2005年9月至4月的还款状态，数值含义如下：-1=按时支付，1=延迟1个月支付，2=延迟2个月支付，... 8=延迟8个月支付，9=延迟9个月及以上
* BILL_AMT1至BILL_AMT6：2005年9月至4月的账单金额，单位为新台币
* PAY_AMT1至PAY_AMT6：2005年9月至4月的已支付金额，单位为新台币
* default.payment.next.month：下个月的违约支付情况（1=是，0=否）
数据用途概述：
该数据集可用于多种金融风险管理及客户行为分析场景，包括：
* 信用风险建模：构建预测信用卡客户违约概率的模型，用于风险预警和信贷决策。
* 客户细分：基于客户的信用行为和人口统计学特征，进行客户分群，制定差异化的营销策略。
* 还款行为分析：研究不同客户的还款模式，识别潜在的违约风险因素。
* 欺诈检测：辅助识别潜在的欺诈交易或异常行为。
* 机器学习训练：作为机器学习模型的训练数据，用于开发和测试信用风险评估算法。
