不错的Clementine的例子.docxVIP

依据 1.1.2 节中提到的“五 C 和 1S 个人信用评级模型”，我们尝试对前 20 个字段尝试 归类，如下表所示: 表 3 一 1 样本集合字段归类 信 信贷期限、信贷历史纪录、贷款目的、贷款款金 额、其他分期付款方式、在本银行现有的信贷纪 录数 现有支票账户、分期付款金额占可支配收入的比 率、工作、法律规定需要扶养的人数 储蓄存款账户 其他债务人/保证人、资产 年龄、个人身份和性别 现任工作时间、在目前住址居住时间、住房、 电话注册、是否外国国籍 Character(特征) Capacity(能力) Capital(资本) Collateral(抵押担保) Condition(环境和条件) Stability(稳定性) 可见，这 20 个字段均为个人信用评价系统中影响个人信用的比较重要的因素。考虑到 指标选择的全面性和决策树算法的特性，我们先将这个20 个字段全部纳入我们即将建立的 模型的指标体系，作为样本纪录的特征属性，等待下一步检验处理。 有关“好”客户和“差”客户的定义[3 通俗的说， “好”客户就是授信机构愿意为其 提供消费信用的客户，授信机构预期这些客户能够按时还本付息; “差”客户则是授信机构 预期这些客户不能按期还本付息而不愿意为其提供消费信用。商业银行对于好差客户的评判 没有统一的标准， 通常情况下是根据在一定的观测期内客户的拖欠还贷的时间来区分。在我 们所