Kaggle Data - Bank Loan modeling

• '23-1학기 데이터마이닝 과제

과제

• Personal Loan Classification Problem

  • 은행 대출 잠재 고객을 파악하는 분류모델 개발

  • 잠재 고객 파악에 중요 변수 파악 ・ 인사이트 도출

데이터

Bank Personal Loan Modeling

• https://www.kaggle.com/datasets/krantiswalke/bank-personal-loan-modelling

• 은행 대출 마케팅을 실행한 고객 정보 및 해당 고객 대출 실행 여부

  • 12개 독립변수(ID제외) · 1개 타겟변수(대출여부) / 5,000여개 데이터

    

데이터 전처리

• 결측값 없음

• 이상치 처리(근무경력・우편번호) 및 데이터 가공(신용카드 연소비액・거주지역・연령층)

  

분석

도메인 조사 : 총부채↑(현재 데이터로 파악 불가) / 연카드소비액↑ : 대출 가능성↑

• (미국) 기존 부채를 통합·신용카드 금액을 재융자하는데 개인대출을 많이 활용

  

EDA : 연 소득↑ / 연 카드소비↑ / 모기지론↑ /가족 수↑ / CD계좌 보유 / 석사이상 : 대출가능성↑

• 독립변수 - 타겟변수간 관계 분석・시각화

  

Decision Tree Rule : (중요변수) 연소득↑ / 석사이상 : 대출가능성↑

• 교차검증 수행 트리(평균 정확도: 0.981, 평균 F1: 0.895) 중 특정 트리에서 룰 리스트 추출

  

모델학습

• 중요 변수 파악을 위한 4개 모델 선택 : 분류 트리·랜덤포레스트·그래디언트 부스팅·로지스틱 회귀

  

트리 기반 모델 : 연 소득 / 연 카드소비 / 가족 수 / CD계좌 보유 / 교육수준 : 대출에 중요 (*단, 양의 관계 추측)

• 트리 기반 모델 - 변수 중요도 분석

  

로지스틱 회귀 : 연소득 ↑ / CD계좌 보유 / 석사이상 : 대출 가능성↑ (*단, 모델 적합도가 낮은 한계)

• 로지스틱 회귀 - 회귀 계수 분석

  

종합해석

• 도메인 조사 · EDA · DT 기반 분석과 모델 분석 기반 중요 변수가 동일하다고 판단

  • [중요변수] 연소득, 연 카드소비액, 교육수준, 가족 수, CD(양도성예금증서) 계좌 여부

• [인사이트]

  • 고학력 고소득 고객층이 개인대출을 받을 가능성이 높다.

    • 고소득 기준 : 연소득 기준 상위 20%

  • 중·저소득층에서 소비가 적은 고객은 특히 대출 가능성이 낮다.

    • 소비 적음 기준 : 연 카드소비액 기준 하위 20%

  • 가족 수나 양도성예금증서 보유 여부를 잠재고객 판단에 활용할 수 있다.

한계 및 개선점

• 도메인 지식 활용 어려움

  • 데이터 제공 은행 관련 추가 설명이 없어, 구체적인 은행 영업 방식 ・ 고객 특성 파악에 한계

• 활용 데이터 부족

  • 총 부채(도메인 조사에서 중요시), 시계열 데이터(소득・소비 증가율) 등이 추가될 경우, 보다 나은 모델 구축 가능

주요 툴

• (데이터 처리) Python, Pandas, Numpy

• (모델 구현) Sklearn

• (데이터 시각화) Matplotlib, Seaborn