Prévision de prêts bancaires

Ce projet a été réalisé en septembre 2021 dans le cadre d’un concours d’analyse prédictive organisé sur Analytics Vidhya.
L’enjeu : créer un modèle capable de prédire si une demande de prêt sera acceptée par une banque, en fonction de nombreux critères socio-économiques.

❓ Problématique

Les établissements bancaires reçoivent un grand nombre de demandes de prêts.
➡️ Comment automatiser et fiabiliser la prise de décision d’éligibilité grâce au machine learning, tout en tenant compte de facteurs tels que revenu, crédit antérieur, statut familial, etc. ?

🛠️ Solution mise en œuvre

• 🔎 Analyse exploratoire des données pour identifier les tendances et les facteurs discriminants

• 🧼 Nettoyage et prétraitement des données (valeurs manquantes, encodage des variables catégorielles)

• 🧠 Implémentation de plusieurs modèles :

  • XGBoost

  • Random Forest

  • Régression logistique

• 📈 Comparaison via des métriques de classification : accuracy, precision, recall, ROC AUC

• 💡 Sélection de caractéristiques (feature selection) pour améliorer la performance et réduire l’overfitting

Lien vers le répertoire github du projet: Prévision de prêts bancaires

⚙️ Stack technique

• Langage : Python

• Librairies : scikit-learn · xgboost · pandas · seaborn

• Méthodes : Classification supervisée · Analyse exploratoire · Prétraitement des données

• Environnement : Jupyter Notebook

• Prérequis : Machine Learning · Statistiques · Traitement des données tabulaires