本项目是管理学院统计学习课程的课程项目，项目要求在文件 ‘2018春季学期-机器学习-大作业说明’ 中

在当前的数据信息社会中，个人信用已变得十分重要，其关乎着生活中的出行，消费，借贷等等各个方面。而商业银行和金融借贷公司为控制自身风险，往往需分析客户办理借贷后的各项行为，进而来判别客户是否有违约风险，以此作为公司的预警系统，为后续的针对性操作提供帮助。本次大作业的内容即为分析客户个人行为数据，建立适当的模型，判断客户在未来是否会出现逾期行为。

该数据为客户在某银行办理信用卡后一段时间内的个人行为数据，包括账户基本信息，交易行为，消费行为，信用卡还款行为，分期行为，和取现行为。目标变量target代表客户在未来是否出现逾期（1为有逾期，可称为坏客户；0为未逾期，可称为好客户），其他各个变量具体的名称和含义见附件变量说明表。数据中的缺失值已做过简单处理，处理方式见附件变量说明表，也可自行变更处理方式。数据并未提供测试集，可自行将数据分为训练集与测试集，给出模型分别在训练集和测试集上的表现即可，如给出ROC曲线，KS曲线，召回率，准确率，F1值等。建模方法可使用logistic regression, classification tree, random forest, svm, boosting(gbdt,xgboost , catboost etc.)等等。

article文件是论文的PDF和Latex格式的文档

Explot_data.ipynb是进行数据预处理的代码

Model是建立模型并分析的代码