캐글 데이터 분석 Give Me Some Credit 공모전 보고서

소개글

"캐글 데이터 분석 Give Me Some Credit 공모전 보고서"에 대한 내용입니다.

목차

I. 분석목적

II. 분석 데이터
1.데이터 개요
2.데이터 변수 탐색
3.데이터 전처리

III. 분석 절차 (예측모델 개발)
1.분석 원리 및 기법
2.분석 방법

IV. 분석 결과

본문내용

I. 분석목적
2007년 세계 금융 위기가 발발하고 미국의 수많은 금융기관과 가구들이 파산했다. 특히 경기의 악화로 인해 투자 심리는 얼어붙고 금융기관들은 정부의 구제금융 정책에도 불구하고 트라우마에 빠져 대출의 진입장벽을 높여 시중 유동성을 악화시켰다. 2011년 당시 신용경색이 발생한 미국 경제의 상황이 나아지기 위해서는 시민들을 통한 유동성 확보가 절실했고 이 역할을 수행해야 할 은행은 파산할 고객을 분류해 대출을 실행해야 한다. 이를 위해 머신러닝을 통한 예측을 수행하고자 하였다.

II. 분석 데이터
1.데이터 개요
각 행당 개인 고객 관련 정보를 담고있는 데이터로써, 고객의 파산여부(‘SeriousDlqin2yrs’) 관련 정보가있는 Train data와 없는 Test data로 구성되어 있다. Train data는 12개의 변수로 이뤄진 15만개 샘플로 구성됐고, Test data의 경우 12개의 변수로 구성된 101503개의 샘플로 이뤄졌다. 12개의 변수 중에서 7개의 변수는 해석에 유의할 부분이 있으므로 추가 설명이 필요했다.

2.데이터 변수 탐색
-RevolvingUtilizationOfUnsecuredLines
신용한도에서 빌릴 수 있는 돈의 한도에서 실제로 빌린 돈의 비율.
-DebtRatio
총 월소득에서 갚아야 하는 빚의 비율.
-MonthlyIncome
Debt을 제외한 실제 소득을 의미. 위의 RevolvingUtilizationOfUnsecuredLines(앞으로 RU라고 하겠다.) 변수와 DebtRatio(얘는 DR) 변수하고 같은 맥락의 의미를 지니지 않을까 하는 생각이 든다. 개인이 좋은 직장을 가졌거나 자산을 가지고 있다면 변수 RU와 DR은 수치가 상대적으로 낮게 나오고 MonthlyIncome 수치가 높게 나올 것이다.

참고 자료

https://github.com/WhatPlat/profile_project/blob/main/Give%20Me%20Some%20Credit%20%EC%A0%95%EB%A6%AC%20.ipynb