datanalysis-credit-risk

The data cleaning pipeline consists of the following 11 steps, each executed independently without deleting the original data:

| getdataset() | Load and format data | references.func | | organalysis() | Organization sample analysis | references.func | | missingcheck() | Calculate missing rate | references.func | | dropabnormalym() | Filter abnormal months | references.analysis | | drophighmissfeatures() | Drop high missing rate features | references.analysis |

| droplowivfeatures() | Drop low IV features | references.analysis | | drophighpsifeatures() | Drop high PSI features | references.analysis | | drophighnoisefeatures() | Null Importance denoising | references.analysis | | drophighcorrfeatures() | Drop high correlation features | references.analysis |

Kreditrisikodatenbereinigung und Variablen-Screening-Pipeline für die Modellierung vor der Kreditvergabe. Verwenden Sie diese Option, wenn Sie mit Kreditrohdaten arbeiten, die vor der Modellierung eine Qualitätsbewertung, eine Analyse fehlender Werte oder eine Variablenauswahl erfordern. Es umfasst das Laden und Formatieren von Daten, das Filtern abnormaler Perioden, die Berechnung der fehlenden Rate, das Entfernen hochfehlender Variablen, das Filtern von Variablen mit niedrigem IV, das Entfernen von Variablen mit hohem PSI, das Entrauschen von Nullimportanzen, das Entfernen hochkorrelierter Variablen und die Erstellung von Bereinigungsberichten. Anwendbare Szenarien sind die Bereinigung von Kreditrisikodaten, das Variablen-Screening und die Vorverarbeitung der Modellierung vor dem Kredit. Quelle: github/awesome-copilot.