在信贷业务中，准确预测用户贷款是否违约对于金融机构的风险管理至关重要。我们拥有来自某信贷平台的庞大贷款记录数据集，该数据集总量超过120万条，涵盖了47列丰富的变量信息，其中包括15列匿名变量，为模型训练提供了坚实的基础。

信贷违约预测项目旨在通过先进的机器学习技术，为金融机构提供智能化的风险管理解决方案。我们相信，通过团队的共同努力和持续创新，一定能够打造出一款高效、准确的预测模型，为信贷业务的稳健发展贡献力量。

数据名称：贷款相关数据

数据年份：2007-2018年

相关数据及指标

为贷款清单分配的唯一信用证标识、贷款金额、贷款期限(year)、贷款利率、分期付款金额、贷款等级、贷款等级之子级、就业职称、就业年限(年)、借款人在登记时提供的房屋所有权状况、年收入、验证状态、贷款发放的月份、借款人在贷款申请时的贷款用途类别、借款人在贷款申请中提供的邮政编码的前3位数字、地区编码、债务收入比、借款人过去2年信用档案中逾期、30天以上的违约事件数、借款人在贷款发放时的 fico所属的下限范围、借款人在贷款发放时的 fico所属的上限范围、借款人信用档案中未结信用额度的数量、贬损公共记录的数量、公开记录清除的数量、信贷周转余额合计、循环额度利用率，或借款人使用的相对于所有可用循环信贷的信贷金额、借款人信用档案中当前的信用额度总数、贷款的初始列表状态、表明贷款是个人申请还是与两个共同借款人的联合申请、借款人最早报告的信用额度开立的月份

数据截图

下载地址：