前言
来源:数据挖掘大作业 在金融市场的不断发展下,信用评分对于一个人的影响比以前更大。 对于银行来说,如何识别“好”客户和“坏”客户尤为重要。相对来说,相对于识别出“好”客户带来收益,如何识别出“坏”客户的意义更大,因为它可以减少不必要的损失。 而对于信用预测而言,数据集较为敏感,这里只使用了公开数据集中的1000条数据,每条数据有二十个属性和一个标签。属性中有13个标称属性,7个数值属性。我们的目标就是利用这些数据建立模型。
下面是具体的介绍,如图:
来源:数据挖掘大作业 在金融市场的不断发展下,信用评分对于一个人的影响比以前更大。 对于银行来说,如何识别“好”客户和“坏”客户尤为重要。相对来说,相对于识别出“好”客户带来收益,如何识别出“坏”客户的意义更大,因为它可以减少不必要的损失。 而对于信用预测而言,数据集较为敏感,这里只使用了公开数据集中的1000条数据,每条数据有二十个属性和一个标签。属性中有13个标称属性,7个数值属性。我们的目标就是利用这些数据建立模型。
下面是具体的介绍,如图: