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 |

Pulizia dei dati sul rischio di credito e pipeline di screening variabile per la modellazione pre-prestito. Da utilizzare quando si lavora con dati creditizi grezzi che necessitano di valutazione della qualità, analisi del valore mancante o selezione di variabili prima della modellazione. copre il caricamento e la formattazione dei dati, il filtraggio dei periodi anomali, il calcolo della frequenza mancante, la rimozione delle variabili altamente mancanti, il filtraggio delle variabili con IV basso, la rimozione delle variabili con PSI elevato, la rimozione del rumore di importanza nulla, la rimozione delle variabili ad alta correlazione e la generazione di report di pulizia. Gli scenari applicabili sono la pulizia dei dati sul rischio di credito, lo screening delle variabili, la preelaborazione della modellazione pre-prestito. Fonte: github/awesome-copilot.