华融个人不良资产信用评分研究
案例介绍
项目描述：
1. 数据处理：对以个人信贷为主的个人不良资产进行数据分析（数据规模：80w条数据，150项特征）：在数据预处理阶段，删除缺失比例超30%的特征；其余缺失特征以平均值填充；观察每一个剩余特征的数值分布，对照数据字典识别异常值；对华融消费金融（合肥）公司提供的小额信贷数据进行数据分析（数据规模：10万条数据，27项特征），构建个人不良资产评估模型。根据银监会个人不良资产资金回收率构建预测标签：即构建“已回收资金/应还本息总额”特征，并尝试在[0.25-0.5]区间上划分正负样本；
2. 特征工程：使用python+numpy+pandas+matplotlib探究违约用户与正常用户各项特征的数据分布，重点关注违约用户与正常用户数据分布不同的特征；
3. 模型开发：用LightGBM识别用户违约标签，模型通过特征权重反映特征重要性，以满足金融业对模型可解释性的要求；
4. 论文撰写：已投稿sci论文《A comparative study on machine learning methods combining with outlier detection and balanced sampling for credit scoring》
投稿期刊：Expert Systems With Applications
华融个人不良资产信用评分研究
案例介绍
北航-华融金融科技联合实验室
项目描述：
1. 数据处理：对以个人信贷为主的个人不良资产进行数据分析（数据规模：80w条数据，150项特征）：在数据预处理阶段，删除缺失比例超30%的特征；其余缺失特征以平均值填充；观察每一个剩余特征的数值分布，对照数据字典识别异常值；对华融消费金融（合肥）公司提供的小额信贷数据进行数据分析（数据规模：10万条数据，27项特征），构建个人不良资产评估模型。根据银监会个人不良资产资金回收率构建预测标签：即构建“已回收资金/应还本息总额”特征，并尝试在[0.25-0.5]区间上划分正负样本；
2. 特征工程：使用python+numpy+pandas+matplotlib探究违约用户与正常用户各项特征的数据分布，重点关注违约用户与正常用户数据分布不同的特征；
3. 模型开发：用LightGBM识别用户违约标签，模型通过特征权重反映特征重要性，以满足金融业对模型可解释性的要求；
4. 论文撰写：已投稿sci论文《A comparative study on machine learning methods combining with outlier detection and balanced sampling for credit scoring》
投稿期刊：Expert Systems With Applications
案例图片
相似案例推荐
-
战功
本系统为综合定位系统，配合硬件（单兵、安全员、指挥员、手环、
-
战功助手
实时展示战功 app 中的内攻，内功流水单，途中安检，现场安
-
卷积神经网络实现手写数字识别
本作品中利用pytorch框架实现7层卷积神经网络对mnis
-
python语言实现决策树
本作品使用python语言利用numpy库、pandas库，
-
定制拨号
需求描述：设定固定为实际拨打号码，但拨号显示号码为实际输入的
-
位移台相机联用
将机械位移台进行移动时，相机同时进行拍照，达到自动化的要求，
1小时精推人才
需求方专属客服，免费梳理匹配
