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 |

Nettoyage des données sur le risque de crédit et pipeline de sélection de variables pour la modélisation préalable au prêt. À utiliser lorsque vous travaillez avec des données de crédit brutes qui nécessitent une évaluation de la qualité, une analyse des valeurs manquantes ou une sélection de variables avant la modélisation. il couvre le chargement et le formatage des données, le filtrage des périodes anormales, le calcul du taux manquant, la suppression des variables manquantes élevées, le filtrage des variables à faible IV, la suppression des variables à PSI élevé, le débruitage d'importance nulle, la suppression des variables à forte corrélation et la génération de rapports de nettoyage. Les scénarios applicables sont le nettoyage des données sur le risque de crédit, la sélection des variables et le prétraitement de la modélisation préalable au prêt. Source : github/awesome-copilot.