LOAN DATA LIFE CYCLE

AIDONS LES BANQUES À SE DECIDER !

Par Boulou Eyengue

Maximilien Jacques
SOMMAIRE

• Concept Study
• Data Preparation
• Model Planning
• Model Building
• Communicate results
• Operationalize

Par Boulou Eyengue

Maximilien Jacques
CONCEPT STUDY

Salaire
Salaire Education du
Status conjoint
Propriété

Sexe
Historique,
…

Pret accordé ou refusé

Par Boulou Eyengue

Maximilien Jacques
DATA PREPARATION

Par Boulou Eyengue

Maximilien Jacques
DATA PREPARATION

Par Boulou Eyengue

Maximilien Jacques
DATA PREPARATION

Par Boulou Eyengue

Maximilien Jacques
DATA PREPARATION

Par Boulou Eyengue

Maximilien Jacques
DATA PREPARATION

Par Boulou Eyengue

Maximilien Jacques
DATA PREPARATION

Par Boulou Eyengue

Maximilien Jacques
DATA PREPARATION

Par Boulou Eyengue

Maximilien Jacques
DATA PREPARATION

Par Boulou Eyengue

Maximilien Jacques
MODEL PLANNING - EDA

Les montants des demandes de prets sont assez variés mais il y’en a moins pour les montants les plus élevés

Par Boulou Eyengue

Maximilien Jacques
MODEL PLANNING - EDA

Les revenus des clients ne sont pas équilibrés : quelques uns assez importants mais la plupart est faible

Par Boulou Eyengue

Maximilien Jacques
MODEL PLANNING - EDA

Il y’a beaucoup de prets accordés dans notre dataset contrairement à ce qui se pratique dans la réalité

Par Boulou Eyengue

Maximilien Jacques
MODEL PLANNING - EDA

Les personnes diplomées ont tendance à avoir des salaires plus importants

Par Boulou Eyengue

Maximilien Jacques
MODEL PLANNING - EDA

Les personnes dont 3 autres ou plus dependent sont celles qui ont plus de
chance d’avoir de plus importants revenus

Par Boulou Eyengue

Maximilien Jacques
MODEL PLANNING - EDA

Le fait d’avoir de gros revenus ne garantit pas l’obtention du pret demandé

Par Boulou Eyengue

Maximilien Jacques
 MODEL BUILDING
En analysant, le problème et les données, on se rend compte qu’il s’agit de classification binaire, avec plusieurs variables
d’entrée (Gender, ApplicantIncome, Education… ) et une seule de sortie (Loan_Status) qui a pour valeur soit 0 soit 1. On
peut donc utiliser l’algorithme de régression logistique :

Par Boulou Eyengue

Maximilien Jacques
COMMUNICATION

On obtient un score intéressant qui nous rassure sur le choix de notre modèle

Par Boulou Eyengue

Maximilien Jacques
OPERATIONALIZE

La presentation actuelle comporte le rapport et les codes utilisés pour la

réalisation du projet.

Par Boulou Eyengue

Maximilien Jacques
MERCI POUR VOTRE ATTENTION

Par Boulou Eyengue

Maximilien Jacques