个人信贷违约风险预测数据集PersonalCreditDefaultRiskPredictionDataset-arieljumba
数据来源：互联网公开数据
标签：信贷风险, 违约预测, 机器学习, 客户画像, 金融风控, 信用评分, 数据挖掘, 银行
数据概述：
该数据集包含来自信贷申请人的相关信息，用于预测个人信贷违约风险。主要特征如下：
时间跨度：数据未明确标注时间，可视为一段时间内的信贷申请记录快照。
地理范围：数据未明确标注地理位置，但从字段内容推测，可能来源于特定国家或地区。
数据维度：数据集包含大量特征，涵盖申请人的个人信息、财务状况、信贷历史等，主要包括：SK_ID_CURR（申请人ID）、TARGET（违约标签，1表示违约，0表示未违约）、NAME_CONTRACT_TYPE（贷款类型）、CODE_GENDER（性别）、FLAG_OWN_CAR（是否有车）、FLAG_OWN_REALTY（是否有房产）、CNT_CHILDREN（子女数量）、AMT_INCOME_TOTAL（年收入）、AMT_CREDIT（贷款额度）、AMT_ANNUITY（年金）、AMT_GOODS_PRICE（商品价格）、NAME_TYPE_SUITE（同住人类型）、NAME_INCOME_TYPE（收入类型）、NAME_EDUCATION_TYPE（教育程度）、NAME_FAMILY_STATUS（家庭状况）、NAME_HOUSING_TYPE（居住类型）、REGION_POPULATION_RELATIVE（居住地人口密度）、DAYS_BIRTH（出生日期）、DAYS_EMPLOYED（就业天数）、DAYS_REGISTRATION（注册天数）、DAYS_ID_PUBLISH（身份证件发布天数）、OWN_CAR_AGE（车龄）、FLAG_MOBIL（是否有手机）、FLAG_EMP_PHONE（是否有工作电话）、FLAG_WORK_PHONE（是否有住宅电话）、FLAG_CONT_MOBILE（是否使用移动电话）、FLAG_PHONE（是否有电话）、FLAG_EMAIL（是否有邮箱）、OCCUPATION_TYPE（职业类型）、CNT_FAM_MEMBERS（家庭成员数量）、REGION_RATING_CLIENT（居住地客户评级）、REGION_RATING_CLIENT_W_CITY（城市客户评级）、WEEKDAY_APPR_PROCESS_START（申请开始的星期）、HOUR_APPR_PROCESS_START（申请开始的小时）、REG_REGION_NOT_LIVE_REGION（居住地与注册地是否相同）、REG_REGION_NOT_WORK_REGION（工作地与注册地是否相同）、LIVE_REGION_NOT_WORK_REGION（工作地与居住地是否相同）、REG_CITY_NOT_LIVE_CITY（居住城市与注册城市是否相同）、REG_CITY_NOT_WORK_CITY（工作城市与注册城市是否相同）、LIVE_CITY_NOT_WORK_CITY（工作城市与居住城市是否相同）、ORGANIZATION_TYPE（组织类型）、EXT_SOURCE_1、EXT_SOURCE_2、EXT_SOURCE_3（外部数据源）、APARTMENTS_AVG（公寓平均值）、BASEMENTAREA_AVG（地下室面积平均值）、YEARS_BEGINEXPLUATATION_AVG（开始使用年份平均值）、YEARS_BUILD_AVG（建筑年份平均值）、COMMONAREA_AVG（公共区域平均值）、ELEVATORS_AVG（电梯平均值）、ENTRANCES_AVG（入口平均值）、FLOORSMAX_AVG（最高楼层平均值）、FLOORSMIN_AVG（最低楼层平均值）、LANDAREA_AVG（土地面积平均值）、LIVINGAPARTMENTS_AVG（居住公寓平均值）、LIVINGAREA_AVG（居住面积平均值）、NONLIVINGAPARTMENTS_AVG（非居住公寓平均值）、NONLIVINGAREA_AVG（非居住面积平均值）、APARTMENTS_MODE（公寓模式）、BASEMENTAREA_MODE（地下室面积模式）、YEARS_BEGINEXPLUATATION_MODE（开始使用年份模式）、YEARS_BUILD_MODE（建筑年份模式）、COMMONAREA_MODE（公共区域模式）、ELEVATORS_MODE（电梯模式）、ENTRANCES_MODE（入口模式）、FLOORSMAX_MODE（最高楼层模式）、FLOORSMIN_MODE（最低楼层模式）、LANDAREA_MODE（土地面积模式）、LIVINGAPARTMENTS_MODE（居住公寓模式）、LIVINGAREA_MODE（居住面积模式）、NONLIVINGAPARTMENTS_MODE（非居住公寓模式）、NONLIVINGAREA_MODE（非居住面积模式）、APARTMENTS_MEDI（公寓中位数）、BASEMENTAREA_MEDI（地下室面积中位数）、YEARS_BEGINEXPLUATATION_MEDI（开始使用年份中位数）、YEARS_BUILD_MEDI（建筑年份中位数）、COMMONAREA_MEDI（公共区域中位数）、ELEVATORS_MEDI（电梯中位数）、ENTRANCES_MEDI（入口中位数）、FLOORSMAX_MEDI（最高楼层中位数）、FLOORSMIN_MEDI（最低楼层中位数）、LANDAREA_MEDI（土地面积中位数）、LIVINGAPARTMENTS_MEDI（居住公寓中位数）、LIVINGAREA_MEDI（居住面积中位数）、NONLIVINGAPARTMENTS_MEDI（非居住公寓中位数）、NONLIVINGAREA_MEDI（非居住面积中位数）、FONDKAPREMONT_MODE（房屋修复模式）、HOUSETYPE_MODE（房屋类型模式）、TOTALAREA_MODE（总面积模式）、WALLSMATERIAL_MODE（墙体材料模式）、EMERGENCYSTATE_MODE（紧急状态模式）、OBS_30_CNT_SOCIAL_CIRCLE（30天内观察到的社交圈人数）、DEF_30_CNT_SOCIAL_CIRCLE（30天内观察到的违约社交圈人数）、OBS_60_CNT_SOCIAL_CIRCLE（60天内观察到的社交圈人数）、DEF_60_CNT_SOCIAL_CIRCLE（60天内观察到的违约社交圈人数）、DAYS_LAST_PHONE_CHANGE（最后一次电话号码变更的天数）、FLAG_DOCUMENT_2-21（各类文件标记）、AMT_REQ_CREDIT_BUREAU_HOUR（请求信用局的小时数）、AMT_REQ_CREDIT_BUREAU_DAY（请求信用局的天数）、AMT_REQ_CREDIT_BUREAU_WEEK（请求信用局的周数）、AMT_REQ_CREDIT_BUREAU_MON（请求信用局的月数）、AMT_REQ_CREDIT_BUREAU_QRT（请求信用局的季度数）、AMT_REQ_CREDIT_BUREAU_YEAR（请求信用局的年数）等。
数据格式：CSV格式，包含home_loan_train.csv（训练集）和home_loan_test.csv（测试集）两个文件，方便模型训练与评估。
该数据集适用于金融风控、信用风险评估、客户细分等领域。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于金融风险管理、信用评分建模、欺诈检测等领域的学术研究，如探索不同特征对违约风险的影响、构建更精准的信用评分模型等。
行业应用：为银行、消费金融公司、互联网金融平台等提供数据支持，特别是在贷款审批、风险定价、客户管理等方面。
决策支持：支持金融机构的风险管理决策，优化信贷策略，降低坏账率。
教育和培训：作为金融风控、数据挖掘、机器学习等课程的实训素材，帮助学生和从业人员掌握实际应用技能。
此数据集特别适合用于构建和评估信用违约预测模型，帮助用户提升风险管理能力，优化信贷业务流程。
