【资料分享】适合新手练习的5个金融风控数据集

最新推荐文章于 2024-06-01 16:18:36 发布
最新推荐文章于 2024-06-01 16:18:36 发布
阅读量910 收藏 11
点赞数 16
分类专栏： 其他 文章标签： 数据分析 数据集 机器学习 金融 风控 财务
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/WHYbeHERE/article/details/137594878
版权

目录

前言

金融领域通过分析历史数据并建立模型，来洞悉和预测信用和市场风险。

你可以通过探索以下数据集、进行分析和建模，从而深入了解金融领域。

下载方式：

  • 点击文末链接，跳转网页下载；
  • 或者关注公众号，发送暗号fxgl，领取资料。

1. 信用卡违约预测

该数据集涵盖了台湾信用卡客户在2005年4月至2005年9月期间的数据，包括人口统计信息、付款历史以及哪些客户违约付款。你的任务是使用这些数据预测未来可能会违约的人员。

在这里插入图片描述

2. P2P贷款数据

Lending Club是一家总部位于美国的P2P（个人对个人）借贷公司。该数据集包含2007年至2015年期间发放的所有贷款的完整贷款数据，包括当前贷款状态和最新的付款信息。与信用卡数据集类似，你的任务是预测贷款支付风险。
在这里插入图片描述

3. 德国信用风险数据

该数据集包括德国借款人的信用风险数据，包括人口统计信息、信用历史和风险分类。预测未来的支付分类为有风险或无风险。

在这里插入图片描述

4. 财务困境预测

这个数据集包含了超过3000家公司的财务数据，包括财务比率、股票数据以及它们是否处于财务困境中，并建立一个分类器来确定哪些公司可能处于财务困境中。你可以探索哪些特征最能指示财务困境，以及哪种类型的机器学习模型在这个数据集上表现最好。

在这里插入图片描述

5. 公司破产预测

该数据集收集了《台湾经济报》1999年至2009年的公司财务数据，包括财务比率和破产状态，以预测哪些公司将在不久的将来破产。公司破产是根据台湾证券交易所的业务法规定义的。
在这里插入图片描述

下载链接

1 - 信用卡违约预测
2 - P2P贷款数据
3 - 德国信用风险数据
4 - 财务困境预测
5 - 公司破产预测

暗号：fxgl
在这里插入图片描述

Avasla
关注
  • 16
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
2020-09-15
weixin_50197893的博客
09-17 478
Task2 数据分析 第二部分为数据分析部分，我们先来了解数据。 数据分析目的： 1.EDA价值主要在于熟悉了解整个数据集的基本情况（缺失值，异常值），对数据集进行验证是否可以进行接下来的机器学习或者深度学习建模. 2.了解变量间的相互关系、变量与预测值之间的存在关系。 3.为特征工程做准备 2.1 代码示例 2.1.1 导入数据分析及可视化过程需要的库 import pandas as pd import numpy as np import matplotlib.pyplot as plt import
金融风控预测-数据集
03-19
sample_submit.csv testA.csv train.csv
推荐开源项目：Alipay的金融评估数据集
gitblog_00001的博客
04-03 402
推荐开源项目：Alipay的金融评估数据集 项目地址:https://gitcode.com/alipay/financial_evaluation_dataset 项目简介 该项目是蚂蚁金服开源的一个金融评估数据集，旨在为学术研究和数据分析提供真实、全面的数据支持。通过这个数据集，你可以探索如何运用机器学习和人工智能技术在风险评估、信贷决策等金融场景中进行创新。 技术分析 数据结构与内容 数据...
金融风控-Task1
最新发布
weixin_74923758的博客
06-01 579
5、F1 Score 精确率和召回率是相互影响的，精确率升高则召回率下降，召回率升高则精确率下降，如果需要兼顾二者，就需要精确率、召回率的结合F1 Score。$$F1-Score = \frac{2}{\frac{1}{Precision} + \frac{1}{Recall}}$$$$TPR = \frac{TP}{TP + FN}$$ FPR：在所有实际为负例的样本中，被错误地判断为正例之比率。4、召回率（Recall） 又称为查全率，正确预测为正样本（TP）占正样本(TP+FN)的百分比。
探索金融数据集的宝藏：SmoothNLP Financial Datasets
gitblog_00003的博客
04-19 614
探索金融数据集的宝藏：SmoothNLP Financial Datasets 项目地址:https://gitcode.com/smoothnlp/FinancialDatasets 在这个大数据驱动的世界中，高质量的数据是进行深度学习和机器学习的关键。尤其在金融领域，有效利用数据可以带来巨大的商业价值。今天，我们将深入探讨一个开源项目——SmoothNLP Financial Dataset...
金融风控-数据集
03-19
金融风控 testA.csv train.csv
DW金融风控比赛项目任务一赛题理解
miaochangq的博客
09-15 617
DW金融风控比赛项目任务一赛题理解赛题背景赛题数据评测标准比赛经验（copy官方文档） 赛题背景 本次新人赛是Datawhale与天池联合发起的0基础入门系列赛事第四场 —— 零基础入门金融风控-贷款违约预测。 赛题以金融风控中的个人信贷为背景，要求选手根据贷款申请人的数据信息预测其是否有违约的可能，以此判断是否通过此项贷款，这是一个典型的分类问题。通过这道赛题来引导大家了解金融风控中的一些业务背景，解决实际问题，帮助竞赛新人进行自我练习、自我提高。 赛题链接：https://tianchi.aliyun.
DW金融风控-task02数据分析
hookahh的博客
09-17 392
一、目的 1. 熟悉了解整个数据集的基本情况，例如缺失值，异常值。 a. 读取数据集并了解数据集大小，原始特征维度; b. 通过info熟悉数据类型; c. 粗略查看数据集中各特征基本统计量; d. 查看数据缺失值情况 e. 查看唯一值特征情况 f. 查看数据类型 ·类别型数据 ·数值型数据 ·离散数值型数据 ·连续数值型数据 2. 了解变量间的相互关系、变量与预测值之间的存在关系。 a. 特征和特征之间关系 b. 特征和目标变量之间关系 c. 用pandas_profiling生成数据报
testA.csv，天池金融风控测试集数据集
09-16
天池比赛，由datawhale主办的金融风控数据集，可下载供学习参考使用，测试集部分，训练集部分已经上传至平台可下载
csv各地区天气数据集，新手练习
10-21
北京/上海/广东，各区的分时天气数据 id 记录ID province 省份名 city 城市名 adcode 区域编码 weather 天气现象(汉字描述) temperature 实时气温，单位：摄氏度 winddirection 风向描述 windpower 风力级别，单位...
mnist.npz 适合新手的手写数字识别本地数据集
10-01
这个数据集由`mnist.npz`文件封装，包含了训练集和测试集，以及对应的标签，便于构建和评估各种机器学习和深度学习模型。 1. 数据集结构： MNIST数据集由四个主要部分组成： - `x_train.npy`：训练集图像数据，...
消费金融场景下的用户购买预测_数据集
06-23
掌上生活APP是招商银行于2010年推出的手机客户端应用软件，全面升级了信用卡的使用体验。当前6.0版本的掌上生活APP，提供了手机商城、饭票影票、在线客服、基金理财、办卡开卡、额度管理、消费信贷、账单管理等全方位功能，同时实现了LBS查询服务和手机远程支付，全面满足并提升了持卡人对金融和日常生活需求的消费体验。 招商银行信用卡在不断拓展业务与场景的同时，也希望通过数据积累与数据驱动，主动捕捉用户价值信息与消费需求，发挥数据价值，给用户提供更加精准的服务。 利用招商银行客户的个人属性、信用卡消费数据，以及部分客户在掌上生活APP上的一个月的操作行为日志，设计合理的特征工程与模型算法方案，预测客户在未来一周内 是否会购买掌上生活APP上的优惠券（包括饭票、影票等）。考虑到客户隐私，客户的个人属性数据与信用卡消费数据，采用脱敏并标准化处理为V1,V2,…,V30数值型属性。客户在APP上的行为日志，一些字段也进行了相应加密。
目标检测：单目标检测数据集，适合新手跑模型
06-28
新手在使用这个数据集时，首先需要理解目标检测的基本概念，包括锚框（Anchor Boxes）、滑动窗口（Sliding Windows）、区域提议网络（Region Proposal Networks，RPN）、特征金字塔网络（Feature Pyramid Networks，...
生成对抗网络（GAN）代码+数据集代码简单易学适合新手
11-19
本资源包含了一个适合新手学习的GAN代码实现和相关数据集，旨在帮助初学者快速理解和掌握这一技术。 生成对抗网络由两个神经网络构成：生成器（Generator）和判别器（Discriminator）。生成器的任务是从随机噪声...
kaggle新手房价预测数据集.rar
08-23
这个名为“kaggle新手房价预测数据集”的资源，就是针对这一主题的一个实例，旨在帮助新手快速熟悉数据预处理、特征工程以及模型构建等关键步骤。 该数据集的核心文件是`train.csv`，这是一个CSV格式的表格数据，...
金融风控数据挖掘-Task3
Captainphiora的博客
04-28 262
金融风控数据挖掘-Task3一、学习知识点概要二、学习内容1、导入数据处理及可视化过程需要的库2、特征值预处理3、异常值处理4、数据分桶5、特征交互6、特征编码7、特征选择三、学习问题与解答1、关于特征处理和特征选择2、关于one hot编码四、学习思考与总结 一、学习知识点概要 #学会利用pandas，numpy等库对数据进行特征处理以及学习特征交互、编码、选择的相应方法。 二、学习内容 1、导入数据处理及可视化过程需要的库 # 导入可能需要用到的库 import pandas as pd import
数据挖掘-金融风控-初遇
xuhong_001的博客
09-16 407
数据挖掘-金融风控（二） 对数据进行探索性分析 在进行数据分析之前可以先对数据集进行了解 查看数据集的列数据 train.columns 列名 意义 ‘id’, 贷款清单分配的唯一信用证标识 ‘loanAmnt’ 贷款金额 #‘term’, 贷款期限 ‘interestRate’, 贷款利率 ‘installment’, 分期付款金额 ‘grade’ 贷款等级 ‘subGrade’ 贷款等级之子级 ‘employmentTitle’ 就业职称 ‘empl
零基础数据挖掘——金融风控(二) 探索性数据分析（EDA）
evilAI9527的博客
05-14 1202
1、前言 在重看我的项目的过程中发现自己对于相关知识点理解并不透彻，希望能理论联系实际，加深自己对基础知识的理解。项目来源于阿里天池学习赛——零基础入门金融风控-贷款违约预测，感兴趣的小伙伴可以自己去原文了解。探索性数据分析（Exploratory Data Analysis, EDA）是通过了解数据集，了解变量间的相互关系以及变量与预测值之间的关系，从而帮助我们后期更好地进行特征工程和建立模型，是数据挖掘中十分重要的一步。 2、数据总览 2.1 导入数据和需要的packages import n
Python金融数据分析可能用到的55个数据集，财富密码可能埋藏于此
02-10 3238
金融数据集汇总
写一个适合c语言新手适合练习的编程
03-25
题目：计算圆的面积和周长 要求：编写一个程序，输入圆的半径，输出圆的面积和周长。圆的面积公式为πr²，周长公式为2πr，其中π取值为3.14。输入半径可以是浮点数或整数，结果保留两位小数输出。 示例输入输出： ``` 请输入圆的半径：4.5 圆的面积是63.62 圆的周长是28.27 ``` 提示： 1. 需要使用头文件`<stdio.h>`和`<math.h>`，分别包含输入输出和数学函数。 2. 使用`scanf`函数读入输入，使用`printf`函数输出结果。 3. 使用`pow(x,y)`函数计算x的y次方，使用`sqrt(x)`函数计算x的平方根。例如，计算2的3次方可以写成`pow(2, 3)`，计算16的平方根可以写成`sqrt(16)`。 4. 可以使用宏定义预处理指令定义π的值为3.14，例如`#define PI 3.14`，然后在计算面积和周长时直接使用`PI`即可。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值