(التنبؤ بالقروض)Loan prediction

التنبؤ بالموافقة على القروض

يهدف هذا المشروع إلى تطوير نموذج ذكي يساعد البنوك والمؤسسات المالية على التنبؤ بمدى إمكانية الموافقة على طلبات القروض المقدمة من العملاء. يعتمد المشروع على تحليل مجموعة من البيانات التاريخية التي تتضمن معلومات ديموغرافية ومالية عن العملاء، مثل الدخل، الحالة الاجتماعية، المستوى التعليمي، السجل الائتماني، ونوع المنطقة السكنية.

أهداف المشروع:

- بناء نموذج يعتمد على تقنيات التعلم الآلي لتوقع قرار القرض (موافقة أو رفض).

- مساعدة المؤسسات المالية على تسريع عملية اتخاذ القرار وتقليل نسبة المخاطرة.

- الاستفادة من البيانات في تحسين السياسات الائتمانية وتقديم خدمات أكثر دقة للعملاء.

البيانات المستخدمة:

-معرف القرض (Loan_ID).

-النوع (Gender).

-الحالة الاجتماعية (Married).

-عدد المعالين (Dependents).

-المستوى التعليمي (Education).

-نوع الوظيفة (Self_Employed).

-دخل مقدم الطلب (ApplicantIncome).

-دخل المشارك (CoapplicantIncome).

-قيمة القرض (LoanAmount).

-مدة القرض (Loan_Amount_Term).

-السجل الائتماني (Credit_History).

-المنطقة السكنية (Property_Area)

-حالة القرض (Loan_Status) ← المتغير المستهدف.

خطوات العمل:

1. جمع البيانات وتجهيزها (Data Cleaning).

2. تحليل البيانات الاستكشافي (Exploratory Data Analysis - EDA).

3. معالجة المتغيرات النصية والعددية (Feature Engineering).

4. بناء نماذج تعلم آلي مثل: الانحدار اللوجستي، شجرة القرار، الغابة العشوائية.

5. تقييم أداء النماذج باستخدام مؤشرات الدقة (Accuracy) والمعايير الأخرى.

النتيجة:

النموذج الناتج يقدم أداة فعّالة للتنبؤ المبدئي بقرار القروض، مما يساهم في دعم عملية اتخاذ القرار بشكل أسرع وأكثر دقة، ويقلل من المخاطر المرتبطة بمنح القروض.