Automatizovaný systém hodnocení půjček

💼 Automatizovaný systém hodnocení půjček 💰

Moderní finanční instituce zpracovávají denně tisíce žádostí o půjčku.
Pro rychlé a správné rozhodnutí o tom, kdo je způsobilý, banky používají automatizované systémy
založené na rizikových modelech.

Takový systém máš postavit právě ty. Dostal jsi přístup k realistickému souboru
dat s úvěrovými žádostmi spolu s jejich historií schválení.
Tvým cílem je vyvinout model, který dokáže vyhodnotit nové žádosti zaslané
klienty.

K dispozici máš dva soubory:

• train.csv - historické žádosti s konečným rozhodnutím (loan_status)
• test.csv - nové žádosti, pro které nemáme přiřazené rozhodnutí

Hlavní cíl: predikce pravděpodobnosti, na jejímž základě můžeme každou žádost klasifikovat jako schválenou nebo zamítnutou (pravděpodobnost mezi 0 a 1, kde 0 znamená, že půjčka určitě nebude poskytnuta a 1 znamená, že půjčka určitě bude poskytnuta).

📊 Datová sada

Každý záznam představuje žádost o půjčku s demografickými,
finančními, behaviorálními informacemi a detaily o typu požadovaného úvěru.

Hlavní atributy:

• customer_id - jedinečný identifikátor
• 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 - pouze v train.csv, štítek k predikci

Konečným cílem je predikovat loan_status pro řádky v test.csv.

📝 Úkoly

První tři podúkoly ověřují porozumění struktuře datové sady.
Poslední podúkol hodnotí klasifikační model.

Podúkol 1 (10 bodů)

Klasifikujte každého žadatele z testovací sady podle věku:

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

Podúkol 2 (15 bodů)

Určete úroveň rizika na základě debt_to_income_ratio:

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

Podúkol 3 (15 bodů)

Pro každý řádek v testu vypočítejte:

1total_obligations = current_debt + derogatory_marks + delinquencies_last_2yrs

Vraťte celé číslo.

Podúkol 4 (60 bodů)

Postavte klasifikační model, který predikuje loan_status (pravděpodobnost p z [0,1]) pro každý řádek v testu.

Hodnocení se provádí pomocí AUC (Area Under the ROC Curve).

🧮 Hodnocení

• AUC ≥ 0.95 → 60 bodů
• AUC ≤ 0.80 → 0 bodů
• Interval mezi nimi: proporcionální bodování

Podúkoly 1–3 se hodnotí přesně (porovnáním).

📄 Formát souboru pro odevzdání

Soubor submission.csv musí obsahovat 4 řádky pro každý řádek z testu,
odpovídající 4 podúkolům.

Struktura:

1subtaskID datapointID answer

kde:

• subtaskID - 1, 2, 3 nebo 4
• datapointID - hodnota customer_id
• answer - může mít jednu z následujících hodnot (v závislosti na úkolu):
  • Podúkol 1: Young / Adult / Senior
  • Podúkol 2: LowRisk / MediumRisk / HighRisk
  • Podúkol 3: celé číslo
  • Podúkol 4: pravděpodobnost, že loan_status = 1 (reálné číslo 0–1)

Příklad pro customer_id = 9071:

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

Úspěch při vývoji automatizovaného systému hodnocení půjček!

📊 Metrika hodnocení: ROC AUC 📈

Pro Podúkol 4 se hodnocení provádí pomocí ROC AUC (Area Under the ROC Curve).
Jedná se o jedinečnou míru, která shrnuje výkonnost klasifikátoru pro všechny možné rozhodovací prahy.

Jak se počítá ROC AUC?

1. Kreslí se ROC křivka, která představuje:
   • TPR (True Positive Rate) - správná míra schválení schválených žádostí
   • FPR (False Positive Rate) - míra nesprávně schválených zamítnutých žádostí

2. Plocha pod křivkou (AUC) se počítá pomocí lichoběžníkového pravidla:
   • Křivka je rozdělena na lichoběžníky pomocí svislých čar na hodnotách FPR a vodorovných čar na hodnotách TPR
   • Sečtou se plochy lichoběžníků pro získání konečné hodnoty AUC

3. Interpretace skóre:
   • ROC AUC = 1 🏆 → perfektní klasifikátor, všechny žádosti jsou klasifikovány správně
   • ROC AUC = 0.5 🎲 → náhodný klasifikátor, bez prediktivní síly
   • 0.5 < ROC AUC < 1 📈 → jak dobře klasifikátor odděluje třídy