摘要：
这项研究针对台湾客户的违约支付情况，并比较了六种数据挖掘方法中的违约概率的预测准确性。

Data Set Characteristics:	Multivariate	Number of Instances:	30000	Area:	Business
Attribute Characteristics:	Integer, Real	Number of Attributes:	24	Date Donated	2016-01-26
Associated Tasks:	Classification	Missing Values?	N/A

来源：

Name: I-Cheng Yeh
email addresses: (1) icyeh '@' chu.edu.tw (2) 140910 '@' mail.tku.edu.tw
institutions: (1) Department of Information Management, Chung Hua University, Taiwan. (2) Department of Civil Engineering, Tamkang University, Taiwan.

数据集信息：

这项研究针对台湾客户的拖欠付款情况，并比较了六种数据挖掘方法中拖欠概率的预测准确性。从风险管理的角度来看，估计违约概率的预测准确性的结果将比分类的二元结果（可信或不可信的客户）更有价值。由于违约的真实概率是未知的，因此本研究提出了新颖的“排序平滑方法”。估计违约的真实概率。将违约的真实概率作为响应变量（Y），并将违约的预测概率作为自变量（X），简单线性回归结果（Y = A + BX）表明，人工神经网络生成的预测模型具有最高的确定系数；其回归截距（A）接近零，回归系数（B）接近1。因此，在六种数据挖掘技术中，人工神经网络是唯一可以准确估计实际违约概率的技术。

属性信息：

这项研究采用了一个二元变量，即默认付款（是= 1，否= 0）作为响应变量。这项研究回顾了文献，并使用以下23个变量作为解释变量：

X2：性别（1 =男性； 2 =女性）。

X4：婚姻状况（1 =已婚； 2 =单身； 3 =其他）。

X6-X11：过去的付款历史。我们跟踪了过去的每月付款记录（从2005年4月到2005年9月）：X6 = 2005年9月的还款状态；X7 = 2005年8月的还款状态；。。。; X11 = 2005年4月的还款状态。还款状态的度量标准为：-1 =定期付款；1 =付款延迟一个月；2 =付款延迟两个月；。。。; 8 =付款延迟八个月；9 =付款延迟9个月以上。

X18-X23：以前的付款金额（新台币）。X18 = 2005年9月支付的金额；X19 = 2005年8月支付的金额；。。。; X23 = 2005年4月支付的金额。

相关论文：

Yeh, I. C., & Lien, C. H. (2009). The comparisons of data mining techniques for the predictive accuracy of probability of default of credit card clients. Expert Systems with Applications, 36(2), 2473-2480.