【实战分享】基于机器学习的信用评分模型：从数据清洗到模型集成，AUC高达0.7966！

📌 项目简介

在金融领域，信用风险评估至关重要。本项目基于Kaggle的 Give Me Some Credit 数据集，通过完整的数据预处理、特征工程、模型训练与集成，构建了一个高性能信用评分模型。最终，随机森林分类器 在测试集上表现最佳（F1分数 0.7565，AUC值 0.7966），为金融机构提供可靠的借款人风险评估工具！

完整实验数据、原代码、实验报告、讲解PPT及详细注释见文尾

以下为简要实验报告：

---

🔍 核心技术与流程

1️⃣ 数据预处理

• 删除重复值：清理冗余数据，提升数据唯一性。

• 缺失值处理：对“家庭成员数”众数填充，对“月收入”缺失值删除（避免负债率失真）。

• 异常值处理：基于箱线图 1.5倍IQR规则，剔除负