Prognozowanie spłacalności pożyczek przez klientów z wykorzystaniem uczenia maszynowego

Abstract

Niniejsza praca ma na celu pokazanie wykorzystania uczenia maszynowego do prognozy spłacalności pożyczek. Dla instytucji finansowych jest to jeden z najbardziej analizowanych obszarów, gdyż ma wpływ na zyski firm oferujących takie produkty. Dzięki rozwojowi mocy obliczeniowej komputerów wspomaganie analizy tego obszaru stało się prostsze i dostępne dla wszystkich firm bez względu na ich wielkość i sytuację finansową. Praca pokazuje jak za pomocą języka Python i dostępnych w tym języku bibliotek zbudować model, który oceni czy udzielona pożyczka zostanie spłacona, czy nie. Zaprezentowano budowę i ocenę jakości modeli utworzonych za pomocą dwóch algorytmów – k-Najbliższych Sąsiadów oraz Maszyny Wektorów Nośnych, jednak możliwości jest o wiele więcej. Oprogramowanie, które zastosowano, jest darmowe również do wykorzystania w celach komercyjnych. Praca ma też na celu podkreślenie jak ważnym etapem przy budowie modelu jest przygotowanie danych wejściowych. Przedstawiono również ogólną metodologię budowy modeli z wykorzystaniem uczenia maszynowego.