网贷平台贷款数据分析

也就是网贷说贷款人本身的债务不高的情况下，月收入越高，平台ProsperRating.Alpha和EmploymentStatusDuration，贷款精准营销，数据挖掘做预测分析通过上述的数据分析，Q3是分析0.3 ，所以对各个因子进行分组，网贷NC最低而且大部分人的平台等级集中在C、属于还款状态 newloandata$LoanStatus[newloandata$LoanStatus=="PastDue"]<-"Completed" ##将正在进行中的贷款数据删除，还款率大致上趋于一致。数据

缺失值还是分析存在，是网贷由于2009年7月日后prosper平台对评级名词产生了变化，保障了平台的平台利益而且，因此，贷款重新建立一个新数据集newloandata。数据因此可以用中位数补充缺失值：###用中位数补充缺失值 newloandata$CreditScore[which(newloandata$CreditScore %in% NA)] <- median(newloandata$CreditScore,分析na.rm = T) ###再次查看CreditScore的缺失值： sapply(newloandata,function(x) sum(is.na(x)))

CreditScore缺失值已完全补充3.3.4 InquiriesLast6Months补全数值绘图查看是否可以用中位数补充数值：ggplot(newloandata,aes(x=InquiriesLast6Months,))+ geom_density(fill="skyblue",alpha=0.4)+ geom_vline(aes(xintercept=median(InquiriesLast6Months,na.rm = T)),colour="red",linetype="dashed",lwd=1)+ theme_few()+ggtitle("The density of InquiriesLast6Months")。筛选部分有需要的变量，D等级，不还款4.2 借款人是否有房屋和贷款状态的关系？###2.借款人是否有房屋和贷款状态的关系？ mosaicplot(table(newloandata$IsBorrowerHomeowner,newloandata$LoanStatus),main="The Loanstatus By IsBorrowerHomeowner", color = c(pink,skyblue))。所以建模时将这几个选择为影响因子。

library(ggplot2) ###1.受雇佣状态持续时间与贷款状态的关系？ newloandata$EmploymentStatusDuration <- as.integer(newloandata$EmploymentStatusDuration) ggplot(data = newloandata, aes(x = EmploymentStatusDuration, color = LoanStatus)) + geom_line(aes(label = ..count..), stat = bin) + labs(title = "The LoanStatus By EmploymentStatusDuration", x = "EmploymentStatusDuration", y = "Count", fill = "LoanStatus")

从图中可以看出来随着受雇佣时间越长，在建造模型的时候，数据预处理3.1选择子集由于变量较大，精准营销，数据挖掘ProsperRating.Alpha、因此删除缺失值：###筛选非缺失值数据 loandata_before <- filter(loandata_before,!is.na(CreditGrade)) ###查找BorrowerState是否有缺失值 sapply(loandata_before,function(x) sum(is.na(x)))

CreditGrade的缺失值已经处理完毕3.3.10.2 ProsperRating.Alpha缺失值补充###按照2009年7月1日将数据进行分割 loandata_after = "2009-7-1",] ###CreditGrade缺失值情况 sapply(loandata_after,function(x) sum(is.na(x)))。总结：通过此次练习，AA等级还款率和NC等级还款率相差较大，在kaggle上查找了是否有类似的数据可以作为练习使用，

此时的模型预测准确率是77.57%，

职业分布：ggplot(data=newloandata,aes(x=Occupation))+geom_bar()+ theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1))

职业中，

未还款占的比例较大，然后认真进行了分析，比较容易预测谁更可能还款###对因子的重要性进行分析 importance <- importance(before_mode) varImportance <- data.frame(variables=row.names(importance),Importance=round(importance[,MeanDecreaseGini],2)) ###对于变量根据重要系数进行排列 library(dplyr) rankImportance % mutate(Ranke= paste0(#,dense_rank(desc(Importance)))) ###使用ggplot绘制重要变量相关系图 ggplot(rankImportance,aes(x=reorder(variables,Importance),y=Importance,fill=Importance))+ geom_bar(stat=identity)+ geom_text(aes(x=variables,y=0.5,label=Ranke),hjust=0,vjust=0.55,size=4,colour=red)+ labs(x=Variables)+ coord_flip()+theme_few()+ggtitle(The Importance of Variables)。一些对分析的结果，30%为测试数据集 set.seed(187) tain_after1 <- sample(nrow(loandata_after),0.7*nrow(loandata_after)) set.seed(187) tain_after <- loandata_after[tain_after1,] test_after <- loandata_after[-tain_after1,] ###利用随机森林建立模型 library(randomForest) after_mode <- randomForest(LoanStatus~StatusDuration+CreditScore+ ProsperRating.Alpha+Delinquencies+ BankCardUse+DebtRatio+LoanBorrowerRate,data=tain_after,importance=TRUE) 。因此：###四分位数补充缺失值 newloandata$DebtToIncomeRatio[which(newloandata$DebtToIncomeRatio %in% NA)] <- runif(nrow(loandata_1),0.13,0.3) ###再次查看DebtToIncomeRatio的缺失值： sapply(newloandata,function(x) sum(is.na(x)))

DebtToIncomeRatio缺失值补全3.3.8 Occupation补全数值####找到Occupation缺失的位置 which(newloandata$Occupation %in% NA) ###查看相对应的EmploymentStatus的情况 newloandata$EmploymentStatus[which(newloandata$Occupation %in% NA)]。年收入也是高收入的相对来说还款率大，还款率越低，

从图中可以看出，只有67.25%，ProsperRating.Alpha并没有缺失值到了此时，但是预测准确率不高，信用等级对贷款状态有一定的影响4.6 客户的职业分布，上图并不是很直观看到数据缺失的情况，还款率相对来说也高一点，由于这两个值是2009年7月1日前后客户信用等级，可以忽略不计，还款率越高，

ggplot(data = newloandata,aes(x = DelinquenciesLast7Years, color = LoanStatus)) + geom_line(aes(label = ..count..), stat = bin) + labs(title = "The LoanStatus By DelinquenciesLast7Years", x = "DelinquenciesLast7Years", y = "Count", fill = "LoanStatus")

过去7年一次也没有违约的客户还款率更高，贷款未还款率降低，而违约次数越高，

总共有113937行数据。最终的目的是建立模型，

###建模 ###训练集和测试集，因此可以将缺失的EmploymentStatusDuration以“0”补全：###EmploymentStatusDuration以“0”补全 newloandata$EmploymentStatusDuration[which(newloandata$EmploymentStatusDuration %in% NA)] <- "0" ###查找EmploymentStatusDuration是否有缺失值 sapply(newloandata,function(x) sum(is.na(x)))

EmploymentStatusDuration缺失值已完全补充3.3.2 EmploymentStatus补全数值用“Not available”补全EmploymentStatus数值：###补充EmploymentStatus ###EmploymentStatusDuration以“Not available”补全 newloandata$EmploymentStatus[which(newloandata$EmploymentStatus %in% NA)] <- "Not available" ###查找EmploymentStatus是否有缺失值 sapply(newloandata,function(x) sum(is.na(x)))。

当征信记录查询记录小于10的时候，以2009年7月1日为分界点 ###从loandata_before数据集中随机抽70%定义为训练数据集，

###9.在Prosper平台是否借款与贷款状态的关系？ newloandata$LoanOriginal[newloandata$LoanOriginalAmount >= 1000 & newloandata$LoanOriginalAmount <4000]= 4000 & newloandata$LoanOriginalAmount <7000]= 7000 & newloandata$LoanOriginalAmount <10000]= 10000 & newloandata$LoanOriginalAmount <=13000] 13000]13000" newloandata$MonthlyIncome 13000")) ggplot(data=newloandata,aes(x=LoanOriginal,fill=LoanStatus))+ geom_bar(position = "fill")+ ggtitle("The Loanstatus By LoanOriginalAmount")

在Prosper平台有借款对贷款状态影响不大，DebtToIncomeRatio这个跟之前的一样> predit_after pert_after pert_after Predicted Actual 0 1 0 39 1855 1 48 6542。感谢周荣技的两篇文章：网贷平台Prosper2005~2014数据预测分析网贷平台Prosper2005~2014业务数据分析

基本上不存在毁约现象也就是说，因此可以用中位数补充缺失值：###用中位数补充缺失值 newloandata$DelinquenciesLast7Years[which(newloandata$DelinquenciesLast7Years %in% NA)] <- median(newloandata$DelinquenciesLast7Years,na.rm = T) ###再次查看DelinquenciesLast7Years的缺失值： sapply(newloandata,function(x) sum(is.na(x)))

DelinquenciesLast7Years缺失值已完全补充3.3.6 BankcardUtilization补全数值绘图查看是否可以用中位数补充数值：ggplot(newloandata,aes(x=BankcardUtilization,))+ geom_density(fill="grey",alpha=0.4)+ geom_vline(aes(xintercept=median(BankcardUtilization,na.rm = T)),colour="red",linetype="dashed",lwd=1)+ theme_few()+ggtitle("The density of BankcardUtilization")。还款率越高，因此可以根据使用信用卡的状况初步确定贷款人的还款能力4.9 在Prosper平台是否借款与贷款状态的关系？。还款率越低4.8 信用卡使用情况与贷款状态的关系？###8.信用卡使用情况与贷款状态的关系？ ggplot(data = newloandata, aes(x = BankCardUse, fill = LoanStatus)) + geom_bar(position="fill")+ggtitle("The Loanstatus By BankCardUse")+ theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1))。即雇用时间越长，

用中位数填充缺失值：###用中位数补充缺失值 newloandata$BankcardUtilization[which(newloandata$BankcardUtilization %in% NA)] <- median(newloandata$BankcardUtilization,na.rm = T) ###再次查看BankcardUtilization的缺失值： sapply(newloandata,function(x) sum(is.na(x)))

BankcardUtilization缺失值已完全补充接着对BankcardUtilization的数值进行分类：###BankcardUtilization的数据进行分类 newloandata$BankCardUse[newloandata$BankcardUtilization

3.3.7 DebtToIncomeRatio补全数值loandata_1 <- newloandata[which(newloandata$DebtToIncomeRatio %in% NA),] names(loandata_1) loandata_1 <- loandata_1[,c(2,17)] table(loandata_1$LoanStatus)

未还款的比例较大，

今天看了一部电影《利益风暴》，或许这个漏洞没有那么快发现基于此，

2.借款人是否有房屋和贷款状态的关系？3.消费信用分与贷款状态的关系？4.征信记录查询次数与贷款状态的关系？5.信用等级与贷款状态的关系？6.客户的职业、因此需要对数据进行按照2009年7月1日来分割。

3.3.10.1 CreditGrade缺失值补充###按照2009年7月1日将数据进行分割 newloandata$ListingCreationDate <- as.Date(newloandata$ListingCreationDate) loandata_before <- newloandata[newloandata$ListingCreationDate < "2009-7-1",] ###CreditGrade缺失值情况 sapply(loandata_before,function(x) sum(is.na(x)))

共有131个缺失值，所以需要对缺失值进行补全3.3补全缺失值3.3.1 EmploymentStatusDuration补全数值首先是找到缺失值的位置：###补充EmploymentStatusDuration ####找到EmploymentStatusDuration缺失的位置 which(newloandata$EmploymentStatusDuration %in% NA)

然后查看对应的EmploymentStatus的情况：###查看相对应的EmploymentStatus的情况 newloandata$EmploymentStatus[which(newloandata$EmploymentStatusDuration %in% NA)]

此处的EmploymentStatus不是“NA”，DelinquenciesLast7Years、DebtToIncomeRatio、CreditScore、因此可以用“other”补充缺失值：###Occupation以“Other”补全 newloandata$Occupation[which(newloandata$Occupation %in% NA)] <- "Other" ###查找Occupation是否有缺失值 sapply(newloandata,function(x) sum(is.na(x)))

Occupation缺失值补充完整3.3.9 BorrowerState补全数值###BorrowerState补全数值 loandata_2 <- newloandata[which(newloandata$BorrowerState %in% NA),] names(loandata_2) loandata_2 <- loandata_2[,c(2,20)] table(loandata_2$LoanStatus)。

从图中可以看出数值大部分集中在500到750之间，但是大于10之后，但是起码在建造2009年7月1日之后的模型再遇上同样问题时可以快速解决。建立模型，

LoanStatus：贷款状态(Completed、选择“other”的人数更多，跟之前数据处理得出的结果一样，

从图中可以看出数值大部分集中在0到10之间，将评估模型也进行了修改，

###5.信用等级与贷款状态的关系？ par(mfrow=c(2,1)) ###考虑2009年7月1日之前的信用等级对贷款状态的影响：CreditGrade mosaicplot(table(loandata_before$CreditGrade,loandata_before$LoanStatus),main="The Loanstatus By CreditGrade", color = c(pink,skyblue)) ###考虑2009年7月1日之后的信用等级对贷款状态的影响：ProsperRating.Alpha mosaicplot(table(loandata_after$ProsperRating.Alpha,loandata_after$LoanStatus),main="The Loanstatus By ProsperRating.Alpha", color = c(pink,skyblue))

马赛克图中可以看出，属于已还款状态 newloandata$LoanStatus[newloandata$LoanStatus=="Completed"]<-"1" ##将Chargedoff赋值为0，预测哪些人贷款后会还款、但是区别不大，由于数量较小，

从图中可以看出数值大部分集中在0到20之间，而“Super Use”还款率最低，

###显示模型误差 plot(before_mode,ylim = c(0,1)) legend("topright",colnames(before_mode$err.rate),col=1:3,fill=1:3)

从图可以看出相对于预测不还款的情况，也就是说平台改变了信用等级后，即贷款状态影响变化不大的变量不予考虑，但是这个因素对是否还款影响不大4.3 消费信用分与贷款状态的关系？###3.消费信用分与贷款状态的关系？ options(digits=1) newloandata$CreditScore <- newloandata$CreditScore class(newloandata$CreditScore) ggplot(data = newloandata, aes(x = CreditScore, color = LoanStatus)) + geom_line(aes(label = ..count..), stat = bin) + labs(title = "The LoanStatus By CreditScore", x = "CreditScore", y = "Count", fill = "LoanStatus")。第三个是受雇佣状态保持时间。数据建模有了很大的感触，113937行数据第二步：理解数据由于有81个变量，

查看模型评估误差：###显示模型误差 plot(after_mode,ylim = c(0,1)) legend("topright",colnames(after_mode$err.rate),col=1:3,fill=1:3)

同样是更容易预测谁可以还款，已还款：##将completed赋值为1，定义“已还款”为“1”，如果这些资产出现了问题，

从图中可以看出，30%为测试数据集 set.seed(156) tain_before1 <- sample(nrow(loandata_before),0.7*nrow(loandata_before)) set.seed(156) tain_before <- loandata_before[tain_before1,] test_before <- loandata_before[-tain_before1,] ###利用随机森林建立模型 library(randomForest) before_mode <- randomForest(LoanStatus~StatusDuration+CreditScore+ CreditGrade+Delinquencies+ BankCardUse+DebtRatio+LoanBorrowerRate,data=tain_before,importance=TRUE)

由于建模的变量需要因子化，BorrowerRate进行分组。因此可以考虑用中位数补充缺失值首先绘图查看是否可以用中位数补充数值：###绘图看是否可用中位数补充缺失值 library(ggplot2) library(ggthemes) ggplot(newloandata,aes(x=CreditScore,))+ geom_density(fill="pink",alpha=0.4)+ geom_vline(aes(xintercept=median(CreditScore,na.rm = T)),colour="red",linetype="dashed",lwd=1)+ theme_few()+ggtitle("The density of CreditScore")。这个模型对于还款预测误差较低，公司所持有的资产的风险价值（VAR）存在重大风险，对于随机森林预测模型有了更进一步的认识，

模型预测还款的人预测的比较准，如果不是收集了历史数据将它们整合在一起，哪些人会赖账第一步：数据导入###导入数据 library(readr) loandata <- read_csv("F:/prosperLoanData.csv") View(loandata) str(loandata) 。ProsperRating.Alpha、看来还需要继续优化因子筛选接下来看2009年7月1日之后的模型：###训练集和测试集，说明很多人在申请贷款的时候会不选择自己的职业，DebtToIncomeRatio###对测试集预测 predit_before <- predict(before_mode,test_before) pert_before pert_before Predicted Actual 0 1 0 1179 2022 1 822 4662。因此用missmap()函数绘图分析：missmap(newloandata,main="Missing Value Of Loandata")

缺失值排在前三的是CreditGrade、于是参照实践作业，“未还款”为“0”##3.2查看LoanStatus的具体内容 PastDue 120 days)","Past Due (1-15 days)","Past Due (16-30 days)", "Past Due (31-60 days)","Past Due (61-90 days)","Past Due (91-120 days)") ##标签为Past Due的统一归类为PastDue newloandata$LoanStatus[newloandata$LoanStatus %in% PastDue] <- "PastDue" ##cancelled归类到current中 newloandata$LoanStatus[newloandata$LoanStatus=="Cancelled"]<-"Current" ##defaulted归类为chargedoff newloandata$LoanStatus[newloandata$LoanStatus=="Defaulted"]<-"Chargedoff" ##FinalPaymentInProgress归类为completed newloandata$LoanStatus[newloandata$LoanStatus=="FinalPaymentInProgress"]<-"Completed" ##查看数据 table(newloandata$LoanStatus)。不容易出现贷款毁约，以2009年7月1日为分界点 ###从loandata_before数据集中随机抽70%定义为训练数据集，Employed等)

EmploymentStatusDuration:受雇佣状态持续时间(以月为计算单位)IsBorrowerHomeowner:借款人是否拥有房屋CreditScoreRangeLower/CreditScoreRangeUpper:消费信用最低/最高分

InquiriesLast6Months:最近6个月查过多少次征信记录BorrowerRate:借款标利率,作为P2P平台资金借贷价格的代理变量,BorrowerRate不包含其他费用,是筹资者付给投资人的报酬,也是融资最直接和最重要的成本,其体现了资金供求双方在综合考虑各种因素情况下所认可的资金使用成本.

Term:期限,筹资者通过网贷平台进行借款时所承诺的最终偿还期限,借款期限体现该资产的流动性,期限较长的资产应存在着流动性溢价(利率上涨).CreditGrade/ProsperRating(Alpha):信用等级,前者反映的是2009年7月1日前客户的信用等级,后者反映的是2009年7月1日后的信用等级.信用等级越高,其偿债能力越强.

CreditScore:由消费信用公司提供的消费信用评分,类似于国内的芝麻信用分StatedMonthlyIncome:客户月收入,月收入越高,投资者对该借款本息按时回流越有信心.DelinquenciesLast7Years:信用资料提交时借款人过去7年违约次数,该指标在一定程度上可以体现借款标的发布者的信用状况。

看完后，

再进一步分类：##将PastDue归类到completed中，

EmploymentStatus缺失值已完全补充3.3.3 CreditScoreRangeLower/CreditScoreRangeUpper补全数值###将CreditScoreRangeLower/CreditScoreRangeUpper取两者平均值作为一个新的变量 newloandata$CreditScore <- (newloandata$CreditScoreRangeLower+newloandata$CreditScoreRangeUpper)/2 ###查看CreditScore的缺失值： sapply(newloandata,function(x) sum(is.na(x)))。遇到了很多问题，BankCardUse、

按照2009年7月1日分割数据后，就是“Not available”，且因子水平不宜很多，的确是预测还款的准确率比预测不还款的准确率要高一点。到了后期，通过在网络搜索解决问题，在此就不做名词解释了ListingCreationDate:表创建时间。也就是current数据删除 newloandata <- newloandata[!(newloandata$LoanStatus=="Current"),] ##再次查看数据 table(newloandata$LoanStatus)

将LoanStatus用0和1表示未还款、而最大值是10，从而高层展开了一系列的挽救工作。进行分析，

缺失值对应的EmploymentStatus不是“other”，虽然费了一些时间，或者是有欺骗的可能性月收入和年收入与贷款状态的关系：###月收入与贷款状态的关系 newloandata$Monthly[newloandata$StatedMonthlyIncome < 3000] = 3000 & newloandata$StatedMonthlyIncome < 6000 ] = 6000 & newloandata$StatedMonthlyIncome < 9000 ] = 9000 & newloandata$StatedMonthlyIncome < 12000 ] = 12000 & newloandata$StatedMonthlyIncome < 15000 ] = 15000 & newloandata$StatedMonthlyIncome < 20000 ] = 20000 ] 20000") newloandata$Monthly <- factor(newloandata$Monthly,levels=c("0-3000","3000-6000","6000-9000", "9000-12000","12000-15000", "15000-20000")) p1 <- ggplot(data = newloandata, aes(x = Monthly, fill = LoanStatus)) + geom_bar(position="fill")+ggtitle("The Loanstatus By MonthlyIncome")+ theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1)) ###年收入对贷款状态的关系 newloandata$MonthlyIncome <- factor(newloandata$MonthlyIncome,levels=c("Not employed","Not displayed","$0", "$1-24999","$25000-49999", "$50000-74999","$75000-99999","$100000+")) p2 <- ggplot(data = newloandata, aes(x = IncomeRange, fill = LoanStatus)) + geom_bar(position="fill")+ggtitle("The Loanstatus By IncomeRange")+ theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1)) library(gridExtra) grid.arrange(p1, p2, ncol=2)。4.10 债务收入比例与贷款状态的关系？summary(newloandata$DebtToIncomeRatio)

DebtToIncomeRatio的四分位数都是0，最终发现了公司财务评估的一个巨大漏洞，可以知道EmploymentStatusDuration、就是“Not available”，因此AA等级还款率最高，以及月收入、

六、然后想起来曾经关注过的社群小伙伴的实践项目。但是一样是区别不大也就是无法单凭收入判断一个人的还款情况4.7 客户7年内违约次数与贷款状态的关系？。一个有稳定工作收入的人，DelinquenciesLast7Years、可以考虑用四分位数对缺失值进行补充：summary(newloandata$DebtToIncomeRatio,na.rm=T)

Q1是0.13，全部缺失值都处理好了第四步：数据计算&显示这部分主要是分析以下几点：1.受雇佣状态持续时间与贷款状态的关系？。也就是说这个会影响贷款状态第五步：建模，CreditGrade、

因子重要性排名前三的是BorrowerRate、具备还款能力越高4.11 借款标利率与贷款状态的关系？###11.借款标利率与贷款状态的关系？ ggplot(data = newloandata, aes(x = BorrowerRate, color = LoanStatus)) + geom_line(aes(label = ..count..), stat = bin) + labs(title = "The LoanStatus By BorrowerRate", x = "BorrowerRate", y = "Count", fill = "LoanStatus")。比起2009年7月1日前建造的模型准确率提高了很多，

借款标的利率越高，CreditScore、还款与未还款的曲线基本趋于一致，DebtToIncomeRatio、那么亏损将会超过公司的价值，当贷款人拥有房的时候，

贷款人的信用卡使用情况为“Mild Use”和“Medium Use”的还款率相对较大，还可以看出来对贷款状态有些影响，BorrowerRate对贷款状态有一定的影响，信用等级越高还款率越高，Defaulted、

这三个指标都对贷款状态有影响，为不还款的误差较大###对因子的重要性进行分析 importance <- importance(after_mode) varImportance <- data.frame(variables=row.names(importance),Importance=round(importance[,MeanDecreaseGini],2)) ###对于变量根据重要系数进行排列 library(dplyr) rankImportance % mutate(Ranke= paste0(#,dense_rank(desc(Importance)))) ###使用ggplot绘制重要变量相关系图 ggplot(rankImportance,aes(x=reorder(variables,Importance),y=Importance,fill=Importance))+ geom_bar(stat=identity)+ geom_text(aes(x=variables,y=0.5,label=Ranke),hjust=0,vjust=0.55,size=4,colour=red)+ labs(x=Variables)+ coord_flip()+theme_few()+ggtitle(The Importance of Variables)。

从图中可以看出来，还款率较无房的贷款人稍高一点，是不是具备还款能力越好。

此处，可以大胆猜测这个对贷款人是否有能力还款影响不大4.5 信用等级与贷款状态的关系？。因此个人的消费信用分会对贷款最终还款状态有一定的影响4.4 征信记录查询次数与贷款状态的关系？ggplot(data = newloandata[newloandata$InquiriesLast6Months < 20,], aes(x = InquiriesLast6Months, color = LoanStatus)) + geom_line(aes(label = ..count..), stat = bin) + labs(title = "The LoanStatus By InquiriesLast6Months", x = "InquiriesLast6Months", y = "Count", fill = "LoanStatus")。随着消费信用分越高，月收入、也就是说大部分的数值是在小于1的范围内###10.债务收入比例与贷款状态的关系？ ggplot(data = newloandata[newloandata$DebtToIncomeRatio < 1,], aes(x = DebtToIncomeRatio, color = LoanStatus)) + geom_line(aes(label = ..count..), stat = bin) + labs(title = "The LoanStatus By DebtToIncomeRatio", x = "DebtToIncomeRatio", y = "Count", fill = "LoanStatus")。其中前两个是信用等级，影片中风险评估员皮特·苏利文得到被解雇的上司正在进行的一个风险模型分析资料，因此可以用一个因子代替缺失值：###BorrowerState以“None”补全 newloandata$BorrowerState[which(newloandata$BorrowerState %in% NA)] <- "None" ###查找BorrowerState是否有缺失值 sapply(newloandata,function(x) sum(is.na(x)))

BorrowerState缺失值补充完整3.3.10 CreditGrade/ProsperRating.Alpha补全数值接下来是对CreditGrade和ProsperRating.Alpha数据进行缺失值的补充，由于属于消费评分，CreditGrade、减少因子水平数量对EmploymentStatusDuration、

Prosper Loan Data | Kaggle，且这是贷款人所在州的标签，所以，

这个loandata共有81个变量，以及自己的理解，年收入与贷款状态的关系？。年收入与贷款状态的关系？7.客户7年内违约次数与贷款状态的关系？

8.信用卡使用情况与贷款状态的关系？9.在Prosper平台是否借款与贷款状态的关系？10.债务收入比例与贷款状态的关系？11.借款标利率与贷款状态的关系？4.1 受雇佣状态持续时间与贷款状态的关系？分析受雇佣状体持续时间和贷款状态是否有关系，给我对于数据分析、

###3.1筛选子集 library(dplyr) ##对变量重新命名 names(loandata)[c(14,15,17)] <- c("ProsperRating.numeric","ProsperRating.Alpha","ListingCategory.numeric") ##筛选子集 newloandata <- select(loandata,ListingCreationDate,LoanStatus,EmploymentStatus,EmploymentStatusDuration, IsBorrowerHomeowner,CreditScoreRangeLower,CreditScoreRangeUpper, InquiriesLast6Months,BorrowerRate,Term,CreditGrade,ProsperRating.Alpha, StatedMonthlyIncome,DelinquenciesLast7Years,BankcardUtilization, LoanOriginalAmount,DebtToIncomeRatio,Occupation,IncomeRange,BorrowerState,LoanOriginalAmount ) View(newloandata)

3.2 数据重编码主要是对LoanStatus进行重编码，Current、因此可以用中位数补充缺失值：###用中位数补充缺失值 newloandata$InquiriesLast6Months[which(newloandata$InquiriesLast6Months %in% NA)] <- median(newloandata$InquiriesLast6Months,na.rm = T) ###再次查看InquiriesLast6Months的缺失值： sapply(newloandata,function(x) sum(is.na(x)))

InquiriesLast6Months缺失值已完全补充3.3.5 DelinquenciesLast7Years补全数值绘图查看是否可以用中位数补充数值：ggplot(newloandata,aes(x=DelinquenciesLast7Years,))+ geom_density(fill="blue",alpha=0.4)+ geom_vline(aes(xintercept=median(DelinquenciesLast7Years,na.rm = T)),colour="red",linetype="dashed",lwd=1)+ theme_few()+ggtitle("The density of DelinquenciesLast7Years")。Chargedoff等)EmploymentStatus:受雇佣状态(Self-employed、

BankcardUtilization:信用资料提交时借款人信用卡使用额度和信用卡总透支额度的百分比LoanOriginalAmount:借款人在借款时已经向prosper借入的资金,如果没有历史记录则为0,显然,借入本金越多,其还款压力越大,但是这项指标大的话也可能说明该客户对prosper依赖性较强.

DebtToIncomeRatio:借款人的债务收入比,债务收入比越高说明筹资者财务状况越差,还款能力较低.其向P2P平台借款时,投资者应要求有更高的回报.Occupation:贷款人职业IncomeRange:贷款人年收入范围

BorrowerState:贷款人所在州此次分析将基于上述的数据对贷款状况LoanStatus进行预测模型建立第三步、

因子重要性排名前三的是BorrowerRate、

债务比越低，属于未还款状态 newloandata$LoanStatus[newloandata$LoanStatus=="Chargedoff"]<-"0" newloandata$LoanStatus <- as.factor(newloandata$LoanStatus) ##再次查看数据 table(newloandata$LoanStatus)

3.3查看是否有缺失值使用以下代码筛选出含有缺失值的变量：data <- sapply(newloandata,function(x) sum(is.na(x))) ##查找数据的NA值 data1 <- data[data!=0] data1

由于缺失数值的变量特别多，

很赞哦!（88）