Automatiseret system til evaluering af lån

💼 Automatiseret lånevurderingssystem 💰

Moderne finansielle institutioner behandler dagligt tusindvis af låneansøgninger.
For at kunne træffe hurtige og korrekte beslutninger om, hvem der er berettiget, bruger banker automatiserede systemer
baseret på risikomodeller.

Et sådant system skal bygges af dig. Du har fået adgang til et
realistisk datasæt med kreditansøgninger sammen med deres godkendelseshistorik.
Dit mål er at udvikle en model, der kan evaluere nye ansøgninger indsendt
af kunder.

Du har fået stillet to filer til rådighed:

• train.csv - historiske ansøgninger med den endelige beslutning (loan_status)
• test.csv - nye ansøgninger, som vi ikke har en tilknyttet beslutning for

Hovedformål: forudsigelse af en sandsynlighed, på basis af hvilken vi kan klassificere hver ansøgning som godkendt eller afvist (en sandsynlighed mellem 0 og 1, hvor 0 betyder, at lånet helt sikkert ikke bevilges, og 1 betyder, at lånet helt sikkert bevilges).

📊 Datasættet

Hver post repræsenterer en låneansøgning med demografiske,
finansielle, adfærdsmæssige oplysninger og detaljer om den ansøgte kredittype.

Hovedattributter:

• customer_id - unik identifikator
• 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 - kun i train.csv, etiketten der skal forudsiges

Det endelige mål er at forudsige loan_status for rækkerne i test.csv.

📝 Opgaver

De første tre subopgaver verificerer forståelsen af datasættets struktur.
Den sidste subopgave evaluerer klassifikationsmodellen.

Subopgave 1 (10 point)

Klassificer hver ansøger fra testsættet baseret på alder:

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

Subopgave 2 (15 point)

Bestem risikoniveauet baseret på debt_to_income_ratio:

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

Subopgave 3 (15 point)

For hver række i test, beregn:

1total_obligations = current_debt + derogatory_marks + delinquencies_last_2yrs

Returner et heltal.

Subopgave 4 (60 point)

Byg en klassifikationsmodel, der forudsiger loan_status (en sandsynlighed p fra [0,1]) for hver række i test.

Evalueringen sker ved hjælp af AUC (Area Under the ROC Curve).

🧮 Evaluering

• AUC ≥ 0.95 → 60 point
• AUC ≤ 0.80 → 0 point
• Intervallet derimellem: proportional score

Subopgave 1–3 evalueres nøjagtigt (ved sammenligning).

📄 Format for indleveringsfil

Filen submission.csv skal indeholde 4 linjer for hver række i test,
svarende til de 4 subopgaver.

Struktur:

1subtaskID datapointID answer

hvor:

• subtaskID - 1, 2, 3 eller 4
• datapointID - værdien af customer_id
• answer - som kan have en af følgende værdier (afhængigt af opgave):
  • Subopgave 1: Young / Adult / Senior
  • Subopgave 2: LowRisk / MediumRisk / HighRisk
  • Subopgave 3: heltal
  • Subopgave 4: sandsynligheden for at loan_status = 1 (reelt tal 0–1)

Eksempel for customer_id = 9071:

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

Held og lykke med udviklingen af det automatiserede lånevurderingssystem!

📊 Evalueringsmetrik: ROC AUC 📈

For Subopgave 4 sker evalueringen ved hjælp af ROC AUC (Area Under the ROC Curve).
Dette er et unikt mål, der sammenfatter en klassifikators ydeevne for alle mulige beslutningsgrænser.

Hvordan beregnes ROC AUC?

1. Der tegnes en ROC-kurve, som repræsenterer:
   • TPR (True Positive Rate) - den korrekte godkendelsesrate for godkendte ansøgninger
   • FPR (False Positive Rate) - raten for afviste ansøgninger, der fejlagtigt godkendes

2. Arealet under kurven (AUC) beregnes ved hjælp af trapezreglen:
   • Kurven opdeles i trapezer ved hjælp af de lodrette linjer ved FPR-værdierne og de vandrette linjer ved TPR-værdierne
   • Trapezernes arealer lægges sammen for at få den endelige AUC-værdi

3. Fortolkning af scoren:
   • ROC AUC = 1 🏆 → perfekt klassifikator, alle ansøgninger klassificeres korrekt
   • ROC AUC = 0.5 🎲 → tilfældig klassifikator, ingen forudsigelseskraft
   • 0.5 < ROC AUC < 1 📈 → hvor godt klassifikatoren adskiller klasserne