这是由美联储经济数据库 （FRED） 托管的美联储的数据集。FRED有一个数据平台，他们根据数据更新的频率更新他们的信息。 此数据集没有 FRED 的描述。 bank-credit-of-all-commercial-banks_metadata.json TOTBKCR.csv

共1000条数据

kaggle Home_credit 信贷风控 train训练字段的Flink sql 预处理

此数据集包含2005年4月至2005年9月台湾地区的信用卡用户的默认付款，人口统计因素，信用数据，付款时间和账单的详细信息。

内含竞赛数据集creditcard.csv，简单处理imbalaced问题，采用逻辑回归算法，用度量标准进行评价。 ·Jupyter notebook

Give Me Some Credit是Kaggle上关于信用评分的项目，通过改进信用评分技术，预测未来两年借款人会遇到财务困境的可能性。银行在市场经济中发挥关键作用。 他们决定谁可以获得融资，以及以何种条件进行投资决策。 为了市场和社会的运作，个人和公司需要获得信贷。信用评分算法可以猜测违约概率，这是银行用于确定是否应授予贷款的方法。目标是建立一个借款人可以用来帮助做出最佳财务决策的模型。

matlab中存档算法代码使用多层感知器和支持向量机的信用卡客户默认预测 这是使用多层感知器和支持向量机的信用违约预测的比较研究。 它是伦敦大学城的MSc数据科学的“神经计算”模块的一个单独项目的结果。 该项目的主要目标是解决极端的类别失衡问题（80％的非违约者和20％的违约者）。 使用了两种平衡技术：Adasyn和Borderline Smote。 另外，还测试了使用RELIEF算法进行的特征选择是否会导致模型的更好性能。 在“多层感知器和支持向量机的比较研究”文件夹中，您可以找到用于评估的Matlab代码和报告。 “ Matlab代码”文件夹包含每个受过训练的模型（总共16个）的所有必要文件（使用的数据和功能）。 项目报告将为您提供有关问题，项目过程和结果的总体思路。 建议先阅读报告，然后再查找代码。 该数据集是从UCI机器学习存储库（）中检索的，并已在Python中进行了预处理。 执照：麻省理工学院

Rawdata是原始数据文件 Japan.mat经过了三个步骤，oneHot编码，剔除缺失项以及MinMax三个过程。维度653*42 NewJapan2.mat，通过对缺失数据进行暴力搜索，在[-1,1]内搜索步长为0.001，进行1000次ELM，发现了部分可以拟合得更好得数据(接近100%分类准确率),将那些拟合好的数据仍然加入完整数据集。维度679*42 ShufferRank是暴力搜索得到得一个较优的样本Rank，可能在你的任务中有用

GiveMeSomeCredit

Banks play a crucial role in market economies. They decide who can get finance and on what terms and can make or break investment decisions. For markets and society to function, individuals and companies need access to credit. Credit scoring algorithms, which make a guess at the probability of default, are the method banks use to determine whether or not a loan should be granted. This competition requires participants to improve on the state of the art in credit scoring, by predicting the probability that somebody will experience financial distress in the next two years.