贷款风险预测模拟数据集
金融经济
0 下载
28 浏览
2026-10-10
数据集简介
数据集概览
Loan Risk Prediction Dataset 是一个完全合成的数据集,旨在模拟真实世界的金融借贷环境,服务于贷款审批预测这一二分类任务。每条记录代表一份贷款申请,模型的目标是根据申请人的各项特征判断该笔申请是否会被批准。数据集无需任何真实个人信息即可开展完整的机器学习流程练习,从数据清洗、特征处理到模型训练与评估均可覆盖。
数据特征
数据集共包含 10 列,特征覆盖人口统计、财务与就业三个维度:
- Age:申请人年龄(岁)
- Gender:性别(Male/Female)
- City:居住城市(分类变量)
- Education:最高学历(High School/Bachelors/Masters/PhD)
- Income:年收入(数值,含缺失值)
- LoanAmount:申请贷款金额
- CreditScore:信用分(约 300–850,含缺失值)
- EmploymentType:就业状态(Salaried/Self-Employed/Unemployed)
- YearsExperience:专业经验年数
- LoanApproved:二分类目标变量(1=批准,0=拒绝)
文件信息
数据集以单一 CSV 文件提供:loan_risk_prediction_dataset.csv,大小 322.6 kB,共 5000 行贷款申请记录。可在 Kaggle 数据集页面公开免费下载。
内置数据挑战
为贴近真实数据的处理难度,该数据集在生成时刻意加入了多项常见问题:
- 缺失值:Income、CreditScore 等字段包含缺失值,需进行插补或删除处理
- 类别不平衡:目标变量存在轻度类别不平衡,训练时需考虑相应策略
- 标签噪声:LoanApproved 标签中引入了一定噪声,模拟真实标注中的不确定性
这些挑战使得数据集不仅适用于简单建模,也能用于练习缺失值处理、不平衡数据处理与鲁棒模型评估。
预期用途
该数据集面向机器学习教学与练习,适合以下场景:
- 数据预处理与清洗流程练习
- 特征工程实验
- 二分类模型训练与对比评估
- 金融风控入门教学示例
来源与生成方式
数据集由 Kaggle 发布者 Mohd Zaheer Uddin 发布,完全合成,由 Python(NumPy 和 Pandas)基于统计分布与规则逻辑程序化生成,不包含任何真实个人数据,预期不再更新。
伦理考量
由于数据完全为程序化生成的模拟数据,不涉及真实个人隐私信息,在合规与伦理风险方面较为安全,但仍建议在公开成果中注明数据为合成数据,避免被误解为真实借贷记录。
许可协议
数据集采用 CC0: Public Domain(公共领域)许可,可公开免费下载,使用者可自由复制、修改、分发和用于任何用途,包括商业用途,无需署名。
基本信息
记录数量5000 行
文件大小5000 行;322.6 kB;10 列
文件格式CSV
数据来源Mohd Zaheer Uddin(Kaggle 发布者)
文件大小322.6 kB
字段数10 列
目标变量LoanApproved(二分类)
许可证CC0 公共领域
更新频率不再更新
数据落地页https://www.kaggle.com/datasets/sohailkhan05/loan-risk-prediction
贷款风险预测金融风控二分类合成数据机器学习信用评分
上架信息
数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载