回归算法做农业贷款发放预测__案例_机器学习-阿里云

（本文数据为虚构，仅供实验）

一、背景

很多农民因为缺乏资金，在每年耕种前会向相关机构申请贷款来购买种地需要的物资，等丰收之后偿还。农业贷款发放问题是一个典型的数据挖掘问题。贷款发放人通过往年的数据，包括贷款人的年收入、种植的作物种类、历史借贷信息等特征来构建经验模型，通过这个模型来预测受贷人的还款能力。本文借助真实的农业贷款业务场景，利用回归算法解决贷款发放业务。线性回归，是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。本文通过农业贷款的历史发放情况，预测是否给预测集的用户发放他们需要的金额的贷款。

二、数据集介绍

具体字段如下：

字段名	含义	类型	描述
id	数据唯一标识符	string	人
name	用户名	string	人
region	用户所属地区	string	从北到南排列
farmsize	拥有土地大小	double	土地面积
rainfall	降雨量	double	降雨量
landquality	土地质量	double	土地质量数值越大越好
farmincome	收入	double	年收入
maincrop	种植作物	string	种植作物的种类
claimtype	贷款类型	string	两种
claimvalue	贷款金额	double	贷款金额

数据截图：

三、数据探索流程

首先，实验流程图：

1.数据源

数据的输入有两部分，贷款训练集用来进行回归模型的训练，共二百条数据，是历史贷款数据，包括一些farmsize、rainfall等特征，claimvalue是贷款收回的金额。贷款预测集是今年申请贷款者，claimvalue是农民申请的贷款金额，共71人。我们通过已有的二百多条历史数据，预测给七十一人中的哪些申请贷款人发放贷款。