Pular para o conteúdo principal
InícioR

Credit Risk Modeling in R

Apply statistical modeling in a real-life setting using logistic regression and decision trees to model credit risk.

Comece O Curso Gratuitamente
4 horas16 vídeos52 exercícios46.970 aprendizesTrophyDeclaração de Realização

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.
Group

Treinar 2 ou mais pessoas?

Tentar DataCamp for Business

Amado por alunos de milhares de empresas


Descrição do Curso

This hands-on-course with real-life credit data will teach you how to model credit risk by using logistic regression and decision trees in R. Modeling credit risk for both personal and company loans is of major importance for banks. The probability that a debtor will default is a key component in getting to a measure for credit risk. While other models will be introduced in this course as well, you will learn about two model types that are often used in the credit scoring context; logistic regression and decision trees. You will learn how to use them in this particular context, and how these models are evaluated by banks.
Para Empresas

Treinar 2 ou mais pessoas?

Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.
DataCamp Para EmpresasPara uma solução sob medida , agende uma demonstração.

Nas seguintes faixas

Finanças Aplicadas em R

Ir para a trilha

Analista quantitativo in R

Ir para a trilha
  1. 1

    Introduction and data preprocessing

    Gratuito

    This chapter begins with a general introduction to credit risk models. We'll explore a real-life data set, then preprocess the data set such that it's in the appropriate format before applying the credit risk models.

    Reproduzir Capítulo Agora
    Introduction and data structure
    50 xp
    Exploring the credit data
    100 xp
    Interpreting a CrossTable()
    50 xp
    Histograms and outliers
    50 xp
    Histograms
    100 xp
    Outliers
    100 xp
    Missing data and coarse classification
    50 xp
    Deleting missing data
    100 xp
    Replacing missing data
    100 xp
    Keeping missing data
    100 xp
    Data splitting and confusion matrices
    50 xp
    Splitting the data set
    100 xp
    Creating a confusion matrix
    100 xp
Para Empresas

Treinar 2 ou mais pessoas?

Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.

Nas seguintes faixas

Finanças Aplicadas em R

Ir para a trilha

Analista quantitativo in R

Ir para a trilha

conjuntos de dados

Loan Data Chapter 1Loan Data Chapter 2, 3 and 4
Lore Dirick HeadshotLore Dirick

Director of Data Science Education at Flatiron School

Ver Mais

O que os outros alunos têm a dizer?

Junte-se a mais de 15 milhões de alunos e comece Credit Risk Modeling in R hoje mesmo!

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.