Embedded Files
Data Science: Simulation de crédit
Data Science: Simulation de crédit
Dans ce projet de Data science, nous avons essayer de répondre à la question business suivante: Une personne avec un profil X a t'elle droit à un crédit bancaire?
Dans ce projet de Data science, nous avons essayer de répondre à la question business suivante: Une personne avec un profil X a t'elle droit à un crédit bancaire?
Pour ce faire nous avons mis en place une application qui à partir de données renseignés sur un profil renvoie une réponse positif ou négatif pour l'octroit d'un crédit bancaire( 1 si la demande crédit est accepté et 0 sinon) .Ce modéle utilise les algorithmes de machine learning.
Voici les différentes étapes du projet:
Collecte de données: La base de données utilisé est obtenue avec kaggle: https://www.kaggle.com/altruistdelhite04/loan-prediction-problem-dataset
Néttoyage de la base de données(Data cleaning) :Suppréssion des valeurs manquantes...
Analyse exploratoire des données avec des visualisations
Prépation du modèle
Déploiement du modèle avec Flask
Aprés l'analyse exploratoire , nous avons constaté que les variables qui impactent le plus notre variable target('Loan_Status') sont: "Credit_History"; "Married"; "ApplicantIncome" ; "CoapplicantIncome" représentant respectivement: le nombre de crédit précedent du demandeur, son status matrimonial(1 si marié 0 sinon), le revenu du conjoint si marié et son revenu.
Aperçu du résultat
Data Science
Page updated
Google Sites
Report abuse