◈ StochastiQdata
vendredi 20 mars 2026
Ajouter un dataset
Documentation — Risque de Crédit
Référence complète pour utiliser ce dataset
ML
Pricing
Description
32 581 emprunteurs avec statut de défaut de crédit. Variables : âge, revenus, emploi, motif du prêt, historique crédit, taux d'endettement. Dataset propre et bien documenté pour la modélisation PD (Probabilité de Défaut).
Source
Kaggle
Lignes
32 581
Colonnes
11
Taille
—
Licence
cc0
Variable cible
loan_status
Date création
10/03/2026
Format
CSV
Domaines
ML, Pricing
Dictionnaire des variables
Le dictionnaire des variables n'est pas encore renseigné pour ce dataset.
Les statistiques automatiques sont disponibles dans l'onglet Statistiques & Profil.
Comment utiliser ce dataset
import pandas as pd # Charger le dataset df = pd.read_csv("https://mjqtthaypifkdlaneymx.supabase.co/storage/v1/object/public/datasets-files/e1c19e0b-e296-425b-bf7d-a87f9ecd198a/a515b053-6707-49b7-a2ef-1fd6eec597b6.csv") # Aperçu rapide print(df.shape) # (32581, 11) print(df.dtypes) print(df.describe()) df.head(10) # Variable cible X = df.drop(columns=["loan_status"]) y = df["loan_status"]
Citation & Licence
Licence
cc0
Format BibTeX
@dataset{risque_de_cr_dit_2026,
title = {Risque de Crédit},
author = {StochastiQdata},
year = {2026},
url = {https://stochastiqdata.com/modeling/e1c19e0b-e296-425b-bf7d-a87f9ecd198a},
note = {Dataset pour actuaires}
}
Format APA
StochastiQdata. (2026). Risque de Crédit [Dataset]. https://stochastiqdata.com/modeling/e1c19e0b-e296-425b-bf7d-a87f9ecd198a