原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
银行用户贷款违约预测
摘要:为更好地解决信用风险识别与防控问题，本文利用数据竞赛平台Kaggle提供的数据，对银行用户的贷款违约风险进行预测。本文使用Python软件进行数据预处理和模型建立的工作，其中数据预处理工作包括缺失值、异常值以及样本不平衡的处理。对处理后的数据集，本文运用Logistic回归、支持向量机、人工神经网络以及随机森林的方法，分别构建出贷款违约风险预测模型，而后将各模型的准确率进行对比分析。结果表明，上述三种机器学习方法预测违约行为的准确率均高于Logistic回归模型，其中随机森林表现最佳。从另一个角度来看，Logistic回归在可解释度方面呈现出优势。
关键词：
文档评论（0）