基于机器学习算法的网络信用风险评估 通过机器学习在线债务的信用风险分析 项目简介 项目初步利用机器学习算法,试图通过对网贷平台现有数据的分析,对借贷交易进行预测,判断引用客户违约约还款的可能性,为相关网络平台提供方案,从而减少平台与客户的潜在损失,维护网络贷款交易的安全性。 首先使用Python的爬虫从P2P网贷平台上获取了1726条借贷数据,其中违约数据571条,未违约数据1155条。接着使用了决策树,支持向量机,线性判别分析来处理网贷违约与否的二分类问题,和创新性的对线性判别分析法进行了改进,提升了模型性能。 相关代码使用Python语言进行编写,采用十折交叉验证法训练模型,对涉嫌人会否违约进行预测,最终通过4种模型的对比,发现改进后的线性判别分析法是处理网贷违约风险预测的最佳分类决策方案。 项目相关指标如下:还款期限,年利率,还清笔数,信用额度等特征对违约预测有相当程度的影响,特别是