GitHub 热门项目：synthetic-credit-default-syncora

GitHub 项目：synthetic-credit-default-syncora 仓库地址：https://github.com/syncora-ai/synthetic-credit-default-syncora 星级：676 | 作者：syncora-ai 项目描述：用于信用违约建模的高保真合成数据集 =================================================== 自述文件内容： # 合成信用卡默认数据集 — 由 Syncora 提供支持 用于人工智能、机器学习建模和风险的高保真综合金融数据集 --- ## 关于此数据集 该数据集包含模拟台湾信用卡客户行为的高保真合成记录，使用 Syncora.ai 生成，Syncora.ai 是专为隐私安全人工智能开发而设计的下一代合成数据生成平台。 该合成版本以流行的 UCI 信用卡违约数据集 (2005) 为模型，在保持统计真实性的同时消除了所有隐私风险，使其成为以下用途的理想选择： - 信用风险建模 - 机器学习分类 - 可解释的人工智能 - 数据科学教育和实验 该数据集非常适合人工智能工程师、开发人员和金融数据科学家，他们需要真实、高效的数据集而无需担心监管问题。 --- ## 数据集上下文和特征 该数据集基于台湾的真实金融场景，捕获： - **人口统计**：年龄、性别、教育程度、婚姻状况 - **信用行为**：信用额度、账单金额、还款 - **默认状态**：二进制目标 所有记录都是完全合成的，但反映了现实世界的金融行为，使其适合训练金融领域的人工智能模型，而无需访问敏感或受监管的数据。 --- ## 机器学习和人工智能用例 - **二元分类**：使用逻辑回归、随机森林、XGBoost 和其他机器学习算法预测违约风险。 - **特征工程**：提取行为特征（例如支付一致性、信用利用趋势）。 - **可解释的人工智能 (XAI)**：使用 LIME、SHAP 或 ELI5 来解释预测输出并识别高风险模式。 - **基准模型**：比较合成金融数据的多种分类技术的准确性、精确度和召回率。 - **合成数据验证**：使用合成数据与真实数据测试模型性能并验证数据实用性。 --- ## 为什么选择 Synora？ Syncora.ai 是一款功能强大的合成数据生成工具，专为构建隐私优先的人工智能系统的开发人员和企业而设计。主要优点包括： - 与现实世界的数据分布高度相似 - 0% 隐私泄露 — 100% 合成 - 为机器学习准备保留特征关系 - 针对可扩展数据集的代理人工智能驱动合成 - 符合 HIPAA、DPDP、GDPR 等标准 与通用数据生成器不同，Syncora 提供企业级合成数据集，可用于 AI 原型设计、测试和共享，并且具有完整的数据可追溯性。 --- ## 探索想法 - 哪些特征对信用评分模型中的违约风险影响最大？ - 教育、年龄或婚姻状况等变量与还款行为有何关联？ - 像这样的综合数据集可以帮助减少金融人工智能模型中的偏差吗？ --- ## 📦 此存储库包含什么 - **合成信用卡默认数据集**