Prévision du remboursement du prêt


Problème : former un modèle d'apprentissage automatique pour prédire si un prêt sera entièrement remboursé ou "imputé" (jamais entièrement remboursé).

Contexte : Les institutions financières tiennent compte de plusieurs variables lorsqu'elles approuvent un prêt. Il est difficile de déterminer si un emprunteur donné remboursera entièrement le prêt ou s'il le fera passer en perte. Si le prêteur est trop strict, moins de prêts sont approuvés, ce qui signifie qu'il y a moins d'intérêts à percevoir. Mais s'il est trop laxiste, il finit par approuver des prêts qui ne sont pas remboursés. L'apprentissage automatique peut nous aider à prédire quels prêts seront irrécouvrables.

Type de modèle : Modèles d'ensemble construits avec AutoML**

Ce que nous avons fait : À l'aide de SnapLogic Data Science, nous avons formé plusieurs modèles sur les données de prêt de LendingClub, un service de prêt de pair à pair qui a approuvé plus de 1,5 million de prêts depuis 2007. Nous avons entraîné le modèle d'apprentissage automatique à identifier les prêts susceptibles d'être annulés. Les banques et autres prêteurs peuvent utiliser ce modèle pour éviter de faire de mauvais prêts et investir dans de bons prêts qui rapportent.(Plus d'informations sur la façon dont nous avons construit cette démo).

Essayez la démo d'apprentissage automatique de prédiction de remboursement de prêt : Le tableau ci-dessous contient des informations sur 10 prêts approuvés de l'ensemble de données. Les prédictions se trouvent dans la colonne "Statut du prêt". Essayez de modifier les données et voyez les nouvelles prédictions en temps réel.

Explorez également le filtre déroulant dans le tableau de droite pour voir comment différentes variables (par exemple, le montant du prêt) affectent les statuts de remboursement des prêts.

**AutoML Snap (beta) automatise le processus d'exploration de différents algorithmes d'apprentissage automatique avec différents hyperparamètres. Il utilise pleinement les ressources et fournit le meilleur modèle dans un délai spécifié.


Essayez l'apprentissage automatique en libre-service dès aujourd'hui