{
  "fetched_at": "2026-10-19T19:00:18Z",
  "source_url": "https://www.kaggle.com/competitions/deep-daiv-loan-default-prediction/data",
  "pages": [
    {
      "name": "data-description",
      "content": "\n\n\n## Files\n\n*   **loan_train.csv** - the training set\n*   **loan_test.csv** - the test set\n*   **loan_sample_submission.csv** - a sample submission file in the correct format\n\n## Columns\n\n* **ID**: unique ID of representative\n* **Loan Amount**: loan amount applied\n* **Funded Amount**:loan amount funded\n* **Funded Amount Investor**: loan amount approved by the investors\n* **Term**: term of loan (in months)\n* **Batch Enrolled**: batch numbers to representatives\n\n* **Interest Rate**: interest rate (%) on loan\n* **Grade**: grade by the bank\n* **Sub Grade**: sub-grade by the bank\n* **Employment Duration**: duration\n* **Home Ownership**: Ownership of home\n* **Verification Status**: Income verification by the bank\n* **Payment Plan**: if any payment plan has started against loan\n* **Loan Title**: The title of the loan\n* **Debit to Income**: ratio of representative's total monthly debt repayment divided by self reported monthly income excluding mortgage\n* **Delinquency - two years**: number of 30+ days delinquency in past 2 - years\n* **Inquires** - six months: total number of inquiries in last 6 months\n* **Open Account**: number of open credit line in representative's - credit line\n* **Public Record**: number of derogatory public records\n* **Revolving Balance**: total credit revolving balance\n* **Revolving Utilities**: amount of credit a representative is using - relative to revolving_balance\n* **Total Accounts**: total number of credit lines available in - representatives credit line\n* **Initial List Status**: unique listing status of the loan - - W(Waiting), F(Forwarded)\n* **Total Received Interest**: total interest received till date\n* **Total Received Late Fee**: total late fee received till date\n* **Recoveries**: post charge off gross recovery\n* **Collection Recovery Fee**: post charge off collection fee\n* **Collection 12 months Medical**: total collections in last 12 months - excluding medical collections\n* **Application Type**: indicates when the representative is an individual or joint\n* **Last week Pay**: indicates how long (in weeks) a representative has paid EMI after batch enrolled\n* **Accounts Delinquent**: number of accounts on which the representative is delinquent\n* **Total Collection Amount**: total collection amount ever owed\n* **Total Current Balance**: total current balance from all accounts\n* **Total Revolving Credit Limit**: total revolving credit limit\n* **Loan Status**: 1 = Defaulter, 0 = Non Defaulters\n\n## Provenance & Contributors\n\n@HemanthSai7\n\n\n## Source\nThis dataset is from the hackathon Deloitte ML Challenge.\n\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "인공지능 커뮤니티 deep daiv.가 주최하는 채무 불이행 여부 예측 대회입니다. '23년 봄 기수 `데이터 분석 팀`이 참가할 수 있는 대회입니다. 실전적인 데이터 분석 능력을 함양하기 위한 연습 대회입니다. 대회에 대한 설명은 다음과 같습니다.\n\n은행은 고객이 채무를 이행하지 않을 경우 큰 손해를 보고, 이러한 채무불이행은 때로 국가 경제 성장에도 큰 악영향을 미칩니다. 이번 대회에서는 Interest rate, Grade, loan amount 등 총 34개의 Features를 바탕으로 고객의 loan status를 예측합니다. \n\n대회에 참여할 수 있는 방식에 대해 설명하겠습니다. 우선, 모든 팀원들이 캐글 계정을 생성해야 합니다. 이후에 팀장은 팀원들의 캐글 계정 메일로 초대하여 팀을 꾸리어 대회에 참가하면 됩니다. \n\n\n\n\n\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "모델의 성능 평가는 `Accuracy`로 이루어집니다. `Accuracy`의 계산식은 다음과 같습니다. $$ \\frac{TP+TN}{TP+TN+FP+FN} $$ \n\n\n[https://scikit-learn.org/stable/modules/generated/sklearn.metrics.accuracy_score.html](url)에서 코드 구현에 대한 자세한 정보를 찾아볼 수 있습니다.\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "본 대회의 목적은 실전적인 분석 역량 함양에 있습니다. 따라서 아래의 규정을 따라 주세요.\n - 원본 데이터셋을 검색하여 정답을 확인하고 이를 제출하는 것을 금합니다. \n - 딥다이브 팀원이 아닌 다른 사람들이 제작한 코드 및 노트북을 베끼거나 지나치게 인용하지 말아 주세요. 아이디어를 얻기 위해 [https://www.kaggle.com/datasets/hemanthsai7/loandefault/code](url) 에서 참고 코드를 확인할 수 있습니다.\n ",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Prizes",
      "content": "대회에서 평가 점수가 뛰어난 팀 순서대로 회식 지원금을 지급합니다.\n\n**1st**: 회식 지원금 5만 원\n**2nd**: 회식 지원금 3만 원\n**3nd**: 회식 지원금 2만 원",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}