项目旨在利用机器学习算法，试图通过对网贷平台现有数据的分析，对借贷交易进行预测，判断借款客户违约还款的可能性，为相关网络平台提供借鉴方案，以此减少平台与客户的潜在损失，维护网络贷款交易的安全性 .
首先使用 Python 爬虫从 P2P 网贷平台上获取了 1726 条借贷数据，其中违约数据 571 条，未违约数据 1155 条。接着使用了决策树、支持向量机，线性判别分析来处理网贷违约与否的二分类问题，并且创新性的对线性判别分析法进行了改进，提升了模型性能 .
相关代码使用 Python 语言进行编写，采用十折交叉验证法训练模型，对借款人会否违约进行预测，最终通过 4 种模型的对比，发现改进后的线性判别分析法是处理网贷违约风险预测的最佳分类决策方案 .
项目相关结论如下：还款期限、年利率、还清笔数、信用额度等特征对违约预测有相当程度的影响，特别是还款期限 30 月以内，年利率高于 10.9% 的借贷交易很可能发生违约. 与之相反，性别、学历和房贷对违约的影响很小 .
注：本项目涉及较多数学公式，但因为 github 不支持某些特殊符号与数学公式，所以会导致相关公式无法正常显示问题，如有需要，可以克隆相应文档于 MarkDown 编辑器访问查看，或下载相应文档 PDF 格式查看