信贷风险预测模型（Credit Risk Prediction）

基于梯度提升树（Gradient Boosting）的小额消费贷违约预测模型，核心目标是精准识别高风险用户，降低信贷坏账率，提升审批效率。

项目背景

传统信贷审批依赖人工审核，存在效率低、主观性强、风险识别不准等问题。本项目通过数据驱动建模，实现自动化风险评估，为信贷审批提供客观决策依据。

数据集来源

公开数据集：Credit Risk Dataset（Kaggle公开数据集，包含用户基本信息、贷款信息、还款记录等特征）

技术栈

• 数据处理：pandas、numpy
• 特征工程：pandas、seaborn（相关性分析）
• 建模工具：scikit-learn（逻辑回归、梯度提升树、Pipeline、模型评估）
• 可视化：matplotlib、seaborn

核心流程（模块化拆分）

1. 数据加载与清洗：01_数据加载与清洗.ipynb

   • 加载原始数据，处理异常值（如年龄>80）、缺失值（中位数填充）
   • 输出清洗后的数据集：clean_data.csv

2. 特征工程：02_特征工程.ipynb

   • 构建核心特征（还款压力比、贷款等级风险分等）
   • 相关性分析与低价值特征剔除
   • 输出特征工程后的数据集：featured_data.csv

3. 模型训练与评估：03_模型训练与评估.ipynb

   • 数据集拆分（训练集:测试集=8:2）
   • 模型对比：逻辑回归 vs 梯度提升树
   • 最优模型：梯度提升树（AUC=0.9285）
   • 模型评估：AUC、违约召回率、准确率等核心指标
   • 保存最优模型：models/gradient_boosting_model.pkl

核心效果

指标	结果	业务价值解读
AUC	0.9285	风险区分能力超行业优秀水平
违约召回率	71%	71%的违约用户可被提前拦截
准确率	92.7%	误判率低，优质用户通过率高

快速复现

1. 克隆仓库：

   git clone https://github.com/你的用户名/credit-risk-prediction.git