Автоматизирана система за оценка на заеми

💼 Автоматизирана система за оценка на заеми 💰

Съвременните финансови институции обработват ежедневно хиляди заявления за заеми.
За да решават бързо и правилно кой е допустим, банките използват автоматизирани системи
базирани на модели за риск.

Такава система предстои да бъде построена точно от теб. Получил си достъп до реалистичен набор
от данни с кредитни заявления, заедно с тяхната история на одобрение.
Целта ти е да разработиш модел, който да може да оценява новите заявки, изпратени
от клиенти.

На твое разположение са поставени два файла:

• train.csv - историческите заявки с окончателното решение (loan_status)
• test.csv - нови заявки, за които нямаме свързано решение

Основна цел: предсказване на вероятност на базата на която можем да класифицираме всяка заявка като одобрена или отхвърлена (вероятност между 0 и 1, където 0 означава, че сигурно не се отпуска заемът и 1 означава, че сигурно се отпуска заемът).

📊 Набор от данни

Всеки запис представлява заявка за заем, с демографска,
финансова, поведенческа информация и подробности за вида на заявения кредит.

Основни атрибути:

• customer_id - уникален идентификатор
• age, occupation_status, years_employed
• annual_income, credit_score, credit_history_years
• savings_assets, current_debt
• defaults_on_file, delinquencies_last_2yrs, derogatory_marks
• product_type, loan_intent, loan_amount, interest_rate
• debt_to_income_ratio, loan_to_income_ratio, payment_to_income_ratio
• loan_status - само в train.csv, етикетът за предсказване

Крайната цел е да предскажеш loan_status за редовете от test.csv.

📝 Задачи

Първите три подзадачи проверяват разбирането на структурата на набора от данни.
Последната подзадача оценява модела за класификация.

Подзадача 1 (10 точки)

Класифицирайте всеки заявител от тестовия набор според възрастта:

• Young ако age < 30
• Adult ако 30 ≤ age < 60
• Senior ако age ≥ 60

Подзадача 2 (15 точки)

Определете нивото на риск базирано на debt_to_income_ratio:

• LowRisk ако DTI < 20
• MediumRisk ако 20 ≤ DTI < 40
• HighRisk ако DTI ≥ 40

Подзадача 3 (15 точки)

За всеки ред от теста, изчислете:

1total_obligations = current_debt + derogatory_marks + delinquencies_last_2yrs

Върнете цяло число.

Подзадача 4 (60 точки)

Постройте модел за класификация, който предсказва loan_status (вероятност p от [0,1]) за всеки ред от теста.

Оценката се прави използвайки AUC (Area Under the ROC Curve).

🧮 Оценяване

• AUC ≥ 0.95 → 60 точки
• AUC ≤ 0.80 → 0 точки
• Интервалът между тях: пропорционален резултат

Подзадачи 1–3 се оценяват точно (чрез сравнение).

📄 Формат на файла за подаване

Файлът submission.csv трябва да съдържа по 4 реда за всеки ред от теста,
съответстващи на 4-те подзадачи.

Структура:

1subtaskID datapointID answer

където:

• subtaskID - 1, 2, 3 или 4
• datapointID - стойността на customer_id
• answer - която може да има една от следните стойности (в зависимост от задачата):
  • Подзадача 1: Young / Adult / Senior
  • Подзадача 2: LowRisk / MediumRisk / HighRisk
  • Подзадача 3: цяло число
  • Подзадача 4: вероятността loan_status = 1 (реално число 0–1)

Пример за customer_id = 9071:

1subtaskID datapointID answer21 9071 Adult32 9071 MediumRisk43 9071 1254 9071 0.742

Успех в разработването на автоматизираната система за оценка на заеми!

📊 Метрика за оценяване: ROC AUC 📈

За Подзадача 4, оценяването се прави използвайки ROC AUC (Area Under the ROC Curve).
Това е единична мярка, която обобщава производителността на класификатор за всички възможни прагове за решение.

Как се изчислява ROC AUC?

1. Начертава се ROC кривата, която представлява:
   • TPR (True Positive Rate) - правилната степен на одобрение на одобрените заявки
   • FPR (False Positive Rate) - степента на неправилно одобрени отхвърлени заявки

2. Площта под кривата (AUC) се изчислява използвайки правилото на трапецовете:
   • Кривата се разделя на трапеци използвайки вертикалните линии при стойностите на FPR и хоризонталните линии при стойностите на TPR
   • Събират се площите на трапецовете за получаване на крайната стойност на AUC

3. Интерпретация на резултата:
   • ROC AUC = 1 🏆 → перфектен класификатор, всички заявки са класифицирани правилно
   • ROC AUC = 0.5 🎲 → случаен класификатор, без предсказваща сила
   • 0.5 < ROC AUC < 1 📈 → колко добре класификаторът разделя класовете