Keras深度学习实战——信用预测

0. 前言

在金融服务行业中，某些客户的违约是导致收入损失的主要来源之一。但是，只有极少数客户会违约。因此，这一分类问题的关键在于识别稀有事件。

1. 任务与模型分析

1.1 数据集

在本节中，我们使用 Kaggle 中 Give Me Some Credit 数据集，其中包括 250000 个用户的历史数据，可以用于预测用户在未来两年内遇到财务困境的可能性，更新用户的信用评分，下载数据集后，可以看到其中包含用户年龄、收入、债务等信息：

1.2 信用预测任务分析

在本应用中，我们将分析在给定时间点跟踪客户收入、支出等属性的数据集，并尝试预测客户是否存在违约的可能性。作为企业，可能希望关注更可能违约的客户——为他们提供替代的付款方式或降低信用额度等。因此，