File size: 7,263 Bytes
bd68b1e d85e37a bd68b1e d85e37a bd68b1e d85e37a bd68b1e d85e37a bd68b1e d85e37a bd68b1e d85e37a |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 |
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
datos = pd.read_csv("nueva_base_de_datos.csv", delimiter=',')
X = datos.drop('loan_status', axis = 1)
y = datos['loan_status']
x_train, x_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state = 42, stratify = y)
# Crea y ajusta el modelo de regresión logística
modelo = LogisticRegression()
modelo.fit(x_train, y_train)
import gradio as gr
def predict(person_income, loan_int_rate, person_age, person_home_ownership_numerica,
person_emp_length, loan_intent_numerica, loan_grade_numerica, loan_amnt,
cb_person_default_on_file_numerica, cb_person_cred_hist_length):
print(cb_person_default_on_file_numerica, person_home_ownership_numerica)
html = (
"<div style='max-width:100%; max-height:360px; overflow:auto'>"
+
"""<p>Puntajes:</p>
<ul>
<li>Bajo: 300-579</li>
<li>JUSTO: 580-669</li>
<li>BUENO: 670-739</li>
<li>MUY BUENO: 740-799</li>
<li>EXCELENTE: 800-850</li>
</ul>"""
+ "</div>"
)
df = pd.DataFrame(
{
'person_age': person_age,
'person_income': person_income,
'person_emp_length': person_emp_length,
'loan_amnt': loan_amnt,
'loan_int_rate': loan_int_rate,
'cb_person_cred_hist_length': cb_person_cred_hist_length,
'person_home_ownership_numerica': person_home_ownership_numerica,
'loan_intent_numerica': loan_intent_numerica,
'loan_grade_numerica': loan_grade_numerica,
'cb_person_default_on_file_numerica': cb_person_default_on_file_numerica,
}, index=[0]
)
pred = modelo.predict_proba(df)[0]
return 300 + (pred[1] * 550), html
"""Según lo anterior, las variables categorias quedaron de la siguiente forma numerica.
person_home_ownership: -RENT:3 -OWN:2 -MORTAGE:0 -OTHER:1
loan_intent: -VENTURE:5 -PERSONAL:4 -EDUCATION:1 -MEDICAL:3 -HOMEIMPROVEMENT:2 -DEBTCONSOLIDATION:0
loan_grade: -A:0 -B:1 -C:2 -D:3 -E:4 -F:5 -G:6
cb_person_default_on_file: -Y:1 -N:0"""
inputs = [
gr.Slider(1000, 100000, value= 4500, step=500, label='Ingreso Anual (USD $)'),
gr.Slider(0, 25, value= 8.2, label='Tasa de Interes (%)'),
gr.Slider(10, 95, value=25, step=1, label='Edad (Años)'),
gr.Dropdown([('Rentada', 3), ('Propia', 2), ('Hipoteca', 0), ('Otro', 1)], type='index', label='Tipo de Vivienda que posee'),
gr.Slider(0, 50, value=6, step=1, label='Años de experiencia laboral'),
gr.Dropdown([('Educación', 1), ('Empresa', 5), ('Consolidación de la Deuda', 0), ('Mejora de Vivienda', 2), ('Medico', 3), ('Personal', 4)], type='index', label='Intención del Prestamo'),
gr.Dropdown([('A', 0), ('B', 1), ('C', 2), ('D', 3), ('E', 4), ('F', 5), ('G', 6)], type='index', label='Grado del Prestamo'),
gr.Slider(1000, 100000, value= 4500, step=500, label='Monto del Prestamo (USD $)'),
gr.Dropdown([('Si', 0), ('No', 1), ('No', 1)], type='index', label='Hay incumplimientos en el historial crediticio ?'),
gr.Slider(0, 35, value=4, step=1, label='Duración del Historial Crediticio (Años)'),
]
examples = [
[60000, 11.89, 26, 0, 2, 1, 1, 10000, 0, 4],
[85000, 9.67, 67, 3, 2, 3, 1, 25000, 1, 6],
]
description = """<h3>Bienvenidos a "Calcula tu puntaje crediticio", tu fuente de información y recursos dedicados a un
tema crítico en el mundo financiero: la evaluación y gestión del riesgo de crédito.
En esta plataforma, hemos desarrollado y compartido una potente herramienta de evaluación crediticia con la colaboración de:
Pamela Escobar Palacio, Juan Jose Monsalve Patino y José Julián Aguirre Ramírez.
Nuestra misión es proporcionar una visión accesible en este fascinante campo, brindando información y
la capacidad para tomar decisiones en el marco del crédito.</h3>"""
article = """
<div>
<h1>¿Por qué es importante el Riesgo de Crédito?</h1>
<h5>La evaluación adecuada del riesgo de crédito es esencial para las instituciones financieras y las empresas que otorgan crédito. Ayuda a prevenir pérdidas y garantiza que las decisiones de préstamo se tomen de manera responsable y basada en datos. Nuestra plataforma está diseñada para ayudarte a comprender y aplicar.</h5>
<h5>¡Esperamos que encuentres esta herramienta útil en tu búsqueda de comprender y gestionar el riesgo de crédito de manera efectiva!</h5>
<h2>¿Te preguntas cómo construimos esta innovadora herramienta?</h2>
<h5>Te invitamos a explorar nuestro <a href="https://reportmrc.blogspot.com/2023/09/reporte-tecnico-sobre-modelo-de-riesgo.html">blog</a>
y visitar nuestro repositorio de codigos que trabajamos para construir el <a href="https://github.com/PamelaEscobarPalacio/Calcula_tu_puntaje_crediticio">modelo</a>
Detallamos el proceso de construcción de nuestro modelo de riesgo de crédito, incluyendo las metodologías, los datos y las prácticas que utilizamos para desarrollar esta valiosa herramienta.
</h5>
<h2>Política de tratamiento de datos</h2>
<h5>
<b>Calcula tu puntaje crediticio</b> está comprometido con la protección de la privacidad de los usuarios y el tratamiento adecuado de los datos personales.
Esta política de tratamiento de datos personales describe cómo recopilamos, usamos y protegemos la información personal que obtenemos a
través de nuestro <a href="https://huggingface.co/spaces/JEMPAK/score_card2">sitio web</a> los datos personales recopilados a través de nuestro sitio web se utilizarán exclusivamente con fines educativos, Nos comprometemos a tomar medidas razonables para proteger los datos personales de nuestros usuarios. Esto incluye el uso de medidas de seguridad tecnológica y física para evitar el acceso no autorizado, la divulgación, la alteración o la destrucción de los datos personales. No compartiremos sus datos personales con terceros sin su consentimiento explícito, Usted tiene ciertos derechos con respecto a sus datos personales, incluido el derecho de acceder, corregir, eliminar o portar sus datos. También tiene el derecho de retirar su consentimiento en cualquier momento. Al utilizar nuestro sitio web,
usted acepta los términos y condiciones de esta política de tratamiento de datos personales.
</h5>
<h2>Contactos</h2>
<ul>
<li>Pamela Escobar Palacio.
Estudiante de Ingeniería Administrativa, Universidad Nacional de Colombia, sede Medellín.
paescobarp@unal.edu.co
</li>
<li>Juan Jose Monsalve Patino.
Estudiante de Ingeniería Industrial, Universidad Nacional de Colombia, sede Medellín.
jumonsalvep@unal.edu.co
</li>
<li>José Julián Aguirre Ramírez.
Estudiante de Ingeniería Industrial, Universidad Nacional de Colombia, sede Medellín.
joaguirrer@unal.edu.co
</li>
</ul>
</div>
"""
demo = gr.Interface(fn=predict, inputs=inputs, outputs=["label", "html"],
examples=examples, description=description, article=article, title='Calcula tu puntaje crediticio')
demo.launch(share=True, debug=True)
|