kiva贷款数据 https://github.com/darkmastermindz/Kiva_DSFG_Loans

Kiva.org 是一个在线众筹平台，旨在向世界各地的穷人和受经济限制的人提供金融服务。Kiva贷款机构向200多万人提供了超过10亿美元的贷款。为了确定投资优先事项，帮助通知贷款人，了解其目标社区，了解每个借款人的贫困程度至关重要。但是，这需要根据每个借款人的有限信息集进行推理。

在卡格尔数据集的首届"数据科学为好"挑战中，Kiva 邀请卡格尔社区帮助他们构建更多本地化模型，以估计 Kiva 拥有积极贷款地区的居民贫困程度。与传统的机器学习竞赛具有严格的评估标准不同，参与者将开发自己的创造性方法来实现目标。本次挑战中的提交将采用 Python 或 R 数据分析的形式，而不是像在受监督的机器学习问题中那样制作预测文件，而采用 Kernels 的形式，Kaggle 的托管基于 Jupyter 笔记本的工作台。

Kiva 提供了过去两年发放的贷款数据集，并邀请参与者使用这些数据以及外部公共数据集的来源，以帮助 Kiva 建立评估借款人福利水平的模型。参与者将在此数据集上编写内核，作为实现这一目标的解决方案提交，Kiva 评委将在活动结束时选出五位获奖者。此外，还将颁奖以鼓励公共代码和数据共享。通过更好地了解借款人及其贫困程度，Kiva 将能够更好地评估和最大化其工作的影响。

接下来的部分详细描述了如何参与、赢得和使用可用资源，为帮助 Kiva 更好地了解和帮助世界各地的企业家做出贡献。问题声明

对于 Kiva 拥有有效贷款的地点，您的目标是将 Kiva 的数据与其他数据源配对，根据共享的经济和人口特征估算特定地区借款人的福利水平。

一个好的解决方案将把每个贷款或产品的功能与几个贫困测绘数据集之一联系起来，这些数据集表示一个区域的平均福利水平尽可能细化。许多数据集表示特定地区的贫困率，其粒度不同。Kiva 希望能够按性别、部门或借款行为对这些区域平均值进行分列，以便使用有关这些平均值的所有相关信息来估计 Kiva 借款人的福利水平。强大的提交将尝试映射模糊描述的位置，以更准确的地理编码。