信贷风险评估数据集CreditRiskAssessmentDataset-shubhamchauhan22222
数据来源：互联网公开数据
标签：信贷风险, 信用评分, 贷款违约, 机器学习, 数据分析, 金融风控, 客户画像, 预测模型
数据概述：
该数据集包含个人信贷申请人的相关信息，用于评估其信用风险，预测其未来贷款违约的可能性。主要特征如下：
时间跨度：数据未明确标明时间，可视为某一时段的信贷申请人快照。
地理范围：数据未限定具体地理位置，但根据字段信息推测，可能来源于特定国家或地区。
数据维度：数据集包含大量特征，涵盖了申请人的个人信息、财务状况、过往信用记录等，具体包括：SK_ID_CURR（申请人ID）、NAME_CONTRACT_TYPE（贷款类型）、CODE_GENDER（性别）、FLAG_OWN_CAR（是否有车）、AMT_INCOME_TOTAL（收入总额）、AMT_CREDIT（贷款额度）、AMT_ANNUITY（年金）、AMT_GOODS_PRICE（商品价格）、NAME_TYPE_SUITE（与申请人同住的人员类型）、NAME_INCOME_TYPE（收入类型）、NAME_EDUCATION_TYPE（教育程度）、NAME_FAMILY_STATUS（家庭状况）、NAME_HOUSING_TYPE（居住类型）、REGION_POPULATION_RELATIVE（区域人口密度）、DAYS_BIRTH（出生日期与申请日期的天数差）、DAYS_EMPLOYED（雇佣天数）、DAYS_REGISTRATION（注册天数）、DAYS_ID_PUBLISH（身份证发布天数）、OWN_CAR_AGE（车龄）、FLAG_WORK_PHONE（是否有工作电话）、OCCUPATION_TYPE（职业类型）、REGION_RATING_CLIENT（区域评分）、REGION_RATING_CLIENT_W_CITY（包含城市在内的区域评分）、WEEKDAY_APPR_PROCESS_START（申请开始的星期几）、LIVE_REGION_NOT_WORK_REGION（居住地与工作地是否为同一区域）、REG_CITY_NOT_LIVE_CITY（注册城市与居住城市是否相同）、LIVE_CITY_NOT_WORK_CITY（居住城市与工作城市是否相同）、ORGANIZATION_TYPE（组织类型）、EXT_SOURCE_1/2/3（外部数据源1/2/3）、APARTMENTS_AVG/MODE/MEDI（公寓平均/模式/中位数）、ENTRANCES_AVG/MODE/MEDI（入口平均/模式/中位数）、FLOORSMAX_AVG/MODE/MEDI（最高楼层平均/模式/中位数）、LIVINGAREA_AVG（居住面积平均）、TOTALAREA_MODE（总面积模式）、WALLSMATERIAL_MODE（墙体材料模式）、DEF_30_CNT_SOCIAL_CIRCLE（逾期30天还款次数）、DEF_60_CNT_SOCIAL_CIRCLE（逾期60天还款次数）、DAYS_LAST_PHONE_CHANGE（上次电话号码变更的天数）、FLAG_DOCUMENT_3/8/18（是否提供文件3/8/18）、AMT_REQ_CREDIT_BUREAU_HOUR/WEEK/QRT（向信用局查询的次数（小时/周/季度））、DOCUMENT_COUNT（文件数量）、NEW_DOC_KURT、AGE_RANGE（年龄范围）、EXT_SOURCES_PROD（外部数据源乘积）、EXT_SOURCES_WEIGHTED（外部数据源加权）、EXT_SOURCES_MIN/MAX/MEAN/NANMEDIAN/VAR（外部数据源的最小值/最大值/均值/中位数/方差）、CREDIT_TO_ANNUITY_RATIO（信用额度与年金比率）、CREDIT_TO_GOODS_RATIO（信用额度与商品价格比率）、ANNUITY_TO_INCOME_RATIO（年金与收入比率）、CREDIT_TO_INCOME_RATIO（信用额度与收入比率）、INCOME_TO_EMPLOYED_RATIO（收入与雇佣天数比率）、INCOME_TO_BIRTH_RATIO（收入与出生日期比率）、EMPLOYED_TO_BIRTH_RATIO（雇佣天数与出生日期比率）、ID_TO_BIRTH_RATIO（ID与出生日期比率）、CAR_TO_BIRTH_RATIO（汽车与出生日期比率）、CAR_TO_EMPLOYED_RATIO（汽车与雇佣天数比率）、PHONE_TO_BIRTH_RATIO（电话与出生日期比率）、GROUP_EXT_SOURCES_MEDIAN/STD（外部数据源中位数/标准差）、GROUP_INCOME_MEAN/STD（收入均值/标准差）、GROUP_CREDIT_TO_ANNUITY_MEAN/STD（信用额度与年金比率均值/标准差）、GROUP_CREDIT_MEAN/ANNUITY_MEAN/ANNUITY_STD（信用额度均值/年金均值/年金标准差）、BUREAU_SK_ID_BUREAU_NUNIQUE（信用局唯一ID数量）、BUREAU_DAYS_CREDIT_MIN/MAX/MEAN（信用局最早/最晚/平均信用天数）、BUREAU_DAYS_CREDIT_ENDDATE_MIN/MAX（信用局最早/最晚结束日期）、BUREAU_AMT_CREDIT_MAX_OVERDUE_MAX/MEAN（信用局最大逾期额度最大值/均值）、BUREAU_AMT_CREDIT_SUM_MAX/MEAN/SUM/DEBT_MAX/DEBT_MEAN/DEBT_SUM/OVERDUE_MAX/OVERDUE_MEAN/OVERDUE_SUM（信用局信用额度总和的最大值/均值/总和/债务最大值/均值/总和/逾期额度最大值/均值/总和）、BUREAU_AMT_ANNUITY_MEAN（信用局年金均值）、BUREAU_DEBT_CREDIT_DIFF_MEAN/SUM（信用局债务与信用额度差值的均值/总和）、BUREAU_MONTHS_BALANCE_MEAN_MEAN/VAR（信用局月度余额的均值/方差）、BUREAU_MONTHS_BALANCE_SIZE_MEAN/SUM（信用局月度余额大小的均值/总和）、BUREAU_STATUS_0_MEAN/1_MEAN/12345_MEAN/C_MEAN/X_MEAN（信用局状态为0/1/12345/C/X的均值）、BUREAU_CREDIT_ACTIVE_Active_MEAN/Closed_MEAN/Sold_MEAN（信用局信用活跃状态的均值）、BUREAU_CREDIT_TYPE_Consumercredit_MEAN（信用局消费信贷均值）等。
数据格式：CSV格式，文件名为test_data_preprocessed.csv，适合进行数据分析和建模。
该数据集经过预处理，包含了原始数据经过特征工程后的衍生变量，方便直接用于建模。
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：适用于金融风控、信用风险评估等领域的学术研究，如信用评分模型、违约预测模型等。
行业应用：为银行、消费金融公司等金融机构提供数据支持，用于客户信用评估、贷款审批、风险管理等。
决策支持：支持金融机构的风险控制决策，优化信贷策略，降低坏账率。
教育和培训：作为金融风险管理、信用评估、机器学习等课程的实训数据集，帮助学生和研究人员深入理解信贷风险评估。
此数据集特别适合用于构建和评估信用风险预测模型，帮助用户识别高风险客户，优化信贷决策，提高贷款组合的盈利能力。
