التنبؤ بحالة القروض باستخدام خوارزمية SVM وتحليل بيانات المقترضين

يهدف هذا المشروع إلى بناء نموذج تعلم آلة لتوقع حالة القرض (Loan Status) اعتمادًا على بيانات المقترضين باستخدام خوارزمية Support Vector Machine (SVM) بنواة Radial Basis Function (RBF). تتضمن مجموعة البيانات معلومات ديموغرافية ومالية مثل عمر الشخص، المستوى التعليمي، الدخل، سنوات الخبرة الوظيفية، نوع السكن، مبلغ القرض، الغرض من القرض، معدل الفائدة، نسبة القرض إلى الدخل، طول السجل الائتماني، والتقييم الائتماني. تم تنفيذ خطوات معالجة البيانات والتي شملت تنظيف البيانات، اختيار المتغيرات المهمة، وتقسيم البيانات إلى مجموعة تدريب واختبار. بعد ذلك، تم تدريب نموذج SVM باستخدام نواة RBF لاكتشاف الأنماط المعقدة والعلاقات غير الخطية بين المتغيرات والتنبؤ بحالة القرض. تم تقييم أداء النموذج باستخدام مقاييس الدقة (Accuracy)، وPrecision، وRecall، وF1-score من خلال classification report. يساعد هذا النموذج المؤسسات المالية على تقييم مخاطر القروض بشكل أفضل، واتخاذ قرارات أكثر دقة بشأن الموافقة على القروض، وتقليل احتمالية التعثر، مما يساهم في تحسين إدارة المخاطر وزيادة كفاءة عملية الإقراض