Loan Approval Prediction

مشروع تعلم آلي يهدف إلى التنبؤ بما إذا كان طلب القرض سيتم قبوله أو رفضه بناءً على البيانات الديموغرافية للمتقدم، البيانات المالية، والتاريخ الائتماني.

? نظرة عامة

يعتمد المشروع على تحليل أكثر من 45,000 طلب قرض وبناء نماذج تصنيف (Classification Models) للتنبؤ بحالة الموافقة. تم تدريب ومقارنة عدة خوارزميات تشمل:

Support Vector Machine (SVM)

K-Nearest Neighbors (KNN)

Naive Bayes

Decision Tree

وحقق كل من SVM و Decision Tree أفضل أداء بدقة وصلت إلى 92%.

? سير العمل (Workflow)

1️⃣ استكشاف البيانات (Data Exploration):

تحليل وتصور توزيع الخصائص المختلفة، ودراسة العلاقات والارتباطات بين المتغيرات المؤثرة في قرار الموافقة على القرض.

2️⃣ المعالجة المسبقة (Preprocessing):

معالجة القيم الشاذة (Outliers)

ترميز المتغيرات الفئوية (Encoding)

توحيد وتقييس المتغيرات الرقمية (Scaling)

3️⃣ تدريب النماذج (Model Training):

اختبار أربع خوارزميات تصنيف مختلفة مع إجراء ضبط للمعاملات (Hyperparameter Tuning) لتحسين الأداء.

4️⃣ التقييم (Evaluation):

مقارنة أداء النماذج باستخدام مقاييس:

Accuracy

Precision

Recall

F1-Score

? النتائج

أفضل النماذج:

SVM (باستخدام RBF Kernel) و Decision Tree بدقة بلغت 92%.

أهم الخصائص المؤثرة:

الدرجة الائتمانية (Credit Score)

قيمة القرض

دخل المتقدم

حالات التعثر السابقة

?️ التقنيات المستخدمة

Python – pandas – scikit-learn – seaborn – matplotlib – plotly