Documentation — Prédiction Défaut Prêts Bancaires

Sommaire

Description

Historique de prêts bancaires avec indicateur de défaut. Variables financières et comportementales : utilisation du crédit, paiements en retard, ratio d'endettement, montant renouvelable.

Dictionnaire des variables

Comment utiliser ce dataset

import pandas as pd

# Charger le dataset
df = pd.read_csv("URL_DU_FICHIER")

# Aperçu rapide
print(df.shape)        # (150000, 11)
print(df.dtypes)
print(df.describe())
df.head(10)

# Variable cible
X = df.drop(columns=["SeriousDlqin2yrs"])
y = df["SeriousDlqin2yrs"]

# Charger le dataset
df <- read.csv("URL_DU_FICHIER", stringsAsFactors = FALSE)

# Aperçu rapide
dim(df)          # 150000 x 11
str(df)
summary(df)
head(df, 10)

# Variable cible
y <- df$SeriousDlqin2yrs
X <- df[, !names(df) %in% c("SeriousDlqin2yrs")]

# Télécharger le dataset
curl -L -o "prédiction_défaut_prêts_bancaires.csv" \
  "URL_DU_FICHIER"

# Vérification (nombre de lignes)
wc -l "prédiction_défaut_prêts_bancaires.csv"

Citation & Licence

Format BibTeX

@dataset{pr_diction_d_faut_pr_ts_bancaires_2026,
  title  = {Prédiction Défaut Prêts Bancaires},
  author = {StochastiQdata},
  year   = {2026},
  url    = {https://stochastiqdata.com/modeling/fd183dbb-95f8-44b4-99b2-675a68772a44},
  note   = {Dataset pour actuaires}
}

Format APA

StochastiQdata. (2026). Prédiction Défaut Prêts Bancaires [Dataset].
  https://stochastiqdata.com/modeling/fd183dbb-95f8-44b4-99b2-675a68772a44