![](https://csdnimg.cn/release/download_crawler_static/87032601/bg3.jpg)
表 1 二分类矩阵
Tab.1 Dichotomous matrix
1.3 Lending Club 的数据描述与分析
本文数据是 Lending Club 公司对一段时间内贷
款客户信息的整理,原始数据包含 77159 个样本,
108 维特征,特征数据包含整型、浮点型、类别型
和字符型的数据。预测变量为客户的贷款状态,包
含 的 取 值 有 : ’Fully Paid’ , ’Current’ , ’Charged
Off’ , ’Late (31-120 days)’ , ’In Grace
Period’,’Late (16-30 days)’,’Default’,由于本文
主要是为了识别违约客户,所以这里将’Fully Paid’
和’Current’视为正常客户,标记为 0,其他情况
的 ’Charged Off’ , ’Late (31-120 days)’ , ’In Grace
Period’,’Late (16-30 days)’,’Default’视为违约客
户,标记为 1.
接下来,本文针对客户的贷款状态以及某些特
征进行初步数据分析:表 2 为正常客户和违约客户
的统计信息,图 2 为不同贷款状态(loan_status)的
客户数量统计图:
表 2 正常客户和违约客户的统计信息
Tab.2 Statistics of normal customers and default customers
图 2 各类贷款状态数量统计
Fig.2 Statistics of various loan status
图 3 为 贷 款 额 度 (loan_amnt) 和 贷 款 状 态
(loan_status)的箱型图,可以发现,随着贷款状况
的下降,贷款额度呈现轻微上升趋势,可以猜测,
二者有着一定的联系。
图 3 贷款额度与贷款状态箱型图
Fig.3 Box chart of loan amount and loan status
图 4 为不同信用等级(grade)的违约客户占比,
可以看出随着信用等级由 A 向 F 降低,违约客户
的占比越来越高,而 G 等级的违约客户占比较
低,可能的原因是贷款公司对信用等级为 G 等级
的用户审核条件更加严格。
图 4 不同信用等级的违约客户占比
Fig.4 Proportion of defaulting customers with different grade
图 5 为不同总还款月份(term)的违约客户占
比,可以看出:总还款月份为 60 个月的违约客户
占比明显高于 36 个月的违约客户占比。推测可能
的原因是前者的还款压力更大,工作不确定性也更
大。