Loan Prediction

يهدف هذا المشروع إلى بناء نموذج تعلم آلي للتنبؤ بإمكانية الموافقة على طلب القرض بناءً على مجموعة من الخصائص المتعلقة بالمتقدم مثل الدخل، الحالة الاجتماعية، المستوى التعليمي، تاريخ الائتمان، وقيمة القرض. تعتمد الفكرة الأساسية على استخدام تقنيات تحليل البيانات والتعلم الآلي لمساعدة المؤسسات المالية على اتخاذ قرارات أسرع وأكثر دقة عند تقييم طلبات القروض.

يتضمن المشروع عدة مراحل رئيسية تبدأ بتحميل البيانات وفهمها، ثم تنفيذ تحليل استكشافي للبيانات (EDA) لدراسة توزيع المتغيرات واكتشاف العلاقات بينها باستخدام الرسوم البيانية والإحصاءات الوصفية. بعد ذلك تم تنظيف البيانات ومعالجة القيم المفقودة وتحويل المتغيرات الفئوية إلى متغيرات رقمية لتكون مناسبة للنماذج التنبؤية.

بعد تجهيز البيانات تم تقسيمها إلى بيانات تدريب واختبار، ثم تدريب نموذج تصنيف للتنبؤ بحالة القرض (مقبول أو مرفوض). تعتمد عملية التنبؤ على مجموعة من العوامل المهمة مثل الدخل، عدد المعالين، قيمة القرض، وتاريخ الائتمان، وهي من المتغيرات التي تؤثر بشكل كبير في قرار الموافقة على القرض.

يساعد هذا النوع من النماذج البنوك والمؤسسات المالية على تقليل المخاطر وتحسين عملية اتخاذ القرار من خلال تحليل بيانات العملاء والتنبؤ باحتمالية قبول طلب القرض.

الأدوات والتقنيات المستخدمة

Python

Pandas & NumPy

Matplotlib & Seaborn

Scikit-learn

Jupyter Notebook