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 |

Очистка данных о кредитном риске и конвейер проверки переменных для предварительного моделирования. Используйте при работе с необработанными кредитными данными, которые требуют оценки качества, анализа недостающих значений или выбора переменных перед моделированием. он охватывает загрузку и форматирование данных, фильтрацию аномальных периодов, вычисление коэффициента пропущенных переменных, удаление переменных с большим количеством пропущенных значений, фильтрацию переменных с низким IV, удаление переменных с высоким PSI, шумоподавление нулевой важности, удаление переменных с высокой корреляцией и создание отчетов об очистке. Применимыми сценариями являются очистка данных о кредитном риске, проверка переменных, предварительная обработка моделирования перед выдачей кредита. Источник: github/awesome-copilot.