Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Description du cours
Ce cours pratique, basé sur des données réelles de crédit, vous apprend à modéliser le risque de crédit à l’aide de la régression logistique et des arbres de décision en R. La modélisation du risque de crédit pour les prêts aux particuliers comme aux entreprises est cruciale pour les banques. La probabilité de défaut d’un emprunteur est un élément clé pour mesurer le risque de crédit. D’autres modèles seront également présentés, mais vous vous concentrerez sur deux approches souvent utilisées en score de crédit : la régression logistique et les arbres de décision. Vous verrez comment les utiliser dans ce contexte précis et comment ces modèles sont évalués par les banques.
Prérequis
Programme de formation
Plan du cours
1
Introduction et prétraitement des données
Ce chapitre commence par une introduction générale aux modèles de risque de crédit. Vous explorerez un jeu de données réel, puis vous le préparerez afin qu’il soit au bon format avant d’appliquer les modèles de risque de crédit.
- Introduction et structure des données50 XP
- Explorer les données de crédit100 XP
- Interpréter un CrossTable()50 XP
- Histogrammes et valeurs aberrantes50 XP
- Histogrammes100 XP
- Valeurs aberrantes100 XP
- Données manquantes et classification grossière50 XP
- Supprimer les données manquantes100 XP
- Remplacer les données manquantes100 XP
- Conserver les données manquantes100 XP
- Découpage des données et matrices de confusion50 XP
- Scinder le jeu de données100 XP
- Créer une matrice de confusion100 XP
2
Régression logistique
La régression logistique reste une méthode très utilisée en modélisation du risque de crédit. Dans ce chapitre, vous apprendrez à appliquer des modèles de régression logistique à des données de crédit en R.
3
Arbres de décision
Les arbres de classification sont une autre méthode populaire dans l’univers de la modélisation du risque de crédit. Dans ce chapitre, vous apprendrez à construire des arbres de classification à partir de données de crédit en R.
4
Évaluer un modèle de risque de crédit
Dans ce chapitre, vous verrez comment évaluer et comparer les résultats obtenus avec plusieurs modèles de risque de crédit.
R
Modélisation du risque de crédit en R
Cours
terminé

