0. 数据准备

• 原始数据来源：https://www.kaggle.com/wendykan/lending-club-loan-data/kernels
• 原始时间跨度：2007-2015
• 原始数据维度：226万 * 145
• 本项违约定义：违约16天及其以上 （d_loan = [ "Late (16-30 days)" , "Late (31-120 days)"，"Charged Off" , "Default", "Does not meet the credit policy. Status:Charged Off"]）
• 模型时间窗口：由于数据量较大，时间跨度过长，故选择2016、2017 两年的数据进行后续建模（数据877986*145）。

1. 数据清洗

1.1 删除变量

1. 删去缺失率大于 25% 变量 （44个变量）
2. 删去取值只有一个的变量,同一性很大的变量 （17个变量）
3. 删去一些无用变量，例如一些贷后数据，如下图