Automatisation de l'approbation des prêts
Conception et mise en place d'un système d'automatisation de l'approbation des prêts bancaires
Ce projet vise à prédire l'approbation ou le rejet d'un prêt immobilier en se basant sur les caractéristiques des clients. Dream Housing Finance souhaite automatiser ce processus pour réduire les délais de traitement, améliorer la précision et la cohérence des décisions et augmenter la satisfaction des clients.
Problématique
Le processus manuel d'approbation des prêts est lent et sujet à des erreurs humaines. L'automatisation via des techniques de machine learning peut accélérer le traitement des demandes et assurer une évaluation objective des critères d'éligibilité, tels que le sexe, l'état matrimonial, le niveau d'éducation, le revenu, et l'historique de crédit.
Étude du Jeu de Données et Prétraitement
Les données ont été nettoyées et transformées pour être utilisables par les algorithmes de machine learning. Cela comprend la gestion des valeurs manquantes, l'encodage des variables catégorielles, et la normalisation des variables numériques.
Modélisation
1. Régression Logistique : Utilisée comme modèle de base pour prédire l'approbation des prêts.
2. Bagging : Méthode ensembliste utilisée pour améliorer la précision des prédictions en combinant plusieurs modèles de régression logistique.
3. Entrainement et Validation : Le modèle a été entraîné sur 80% des données et validé sur les 20% restantes pour assurer sa fiabilité.
Analyse de Performance
La performance du modèle a été évaluée à l'aide de métriques telles que la matrice de confusion et la courbe ROC. Les résultats montrent une bonne capacité de généralisation et une précision fiable des prédictions.
Déploiement
Le modèle a été déployé dans une interface interactive où les utilisateurs peuvent entrer les caractéristiques des clients et obtenir une décision instantanée sur l'approbation du prêt. Cette interface est conçue pour être utilisée par les agents bancaires, les conseillers financiers, et les clients potentiels.
En résumé, ce projet a donné naissance à un outil performant pour automatiser l'approbation des prêts, ce qui a conduit à une amélioration de l'efficacité opérationnelle et de la satisfaction des clients.