StochastiQdata

Documentation — Risque de Crédit

Référence complète pour utiliser ce dataset

ML Pricing
Retour au dataset

Description

32 581 emprunteurs avec statut de défaut de crédit. Variables : âge, revenus, emploi, motif du prêt, historique crédit, taux d'endettement. Dataset propre et bien documenté pour la modélisation PD (Probabilité de Défaut).

Source

Kaggle

Lignes

32 581

Colonnes

11

Taille

Licence

cc0

Variable cible

loan_status

Date création

10/03/2026

Format

CSV

Domaines

ML, Pricing

Dictionnaire des variables

Le dictionnaire des variables n'est pas encore renseigné pour ce dataset.

Les statistiques automatiques sont disponibles dans l'onglet Statistiques & Profil.

Comment utiliser ce dataset

import pandas as pd

# Charger le dataset
df = pd.read_csv("https://mjqtthaypifkdlaneymx.supabase.co/storage/v1/object/public/datasets-files/e1c19e0b-e296-425b-bf7d-a87f9ecd198a/a515b053-6707-49b7-a2ef-1fd6eec597b6.csv")

# Aperçu rapide
print(df.shape)        # (32581, 11)
print(df.dtypes)
print(df.describe())
df.head(10)

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

Citation & Licence

Licence

cc0

Format BibTeX

@dataset{risque_de_cr_dit_2026,
  title  = {Risque de Crédit},
  author = {StochastiQdata},
  year   = {2026},
  url    = {https://stochastiqdata.com/modeling/e1c19e0b-e296-425b-bf7d-a87f9ecd198a},
  note   = {Dataset pour actuaires}
}

Format APA

StochastiQdata. (2026). Risque de Crédit [Dataset].
  https://stochastiqdata.com/modeling/e1c19e0b-e296-425b-bf7d-a87f9ecd198a