Sistema automatizado de evaluación de préstamos

💼 Sistema automatizado de evaluación de préstamos 💰

Las instituciones financieras modernas procesan diariamente miles de solicitudes de préstamo.
Para decidir rápida y correctamente quién es elegible, los bancos utilizan sistemas automatizados
basados en modelos de riesgo.

Un sistema de este tipo debe ser construido precisamente por ti. Has recibido acceso a un conjunto
realista de datos con aplicaciones de crédito, junto con su historial de aprobación.
Tu objetivo es desarrollar un modelo que pueda evaluar las nuevas solicitudes enviadas
por clientes.

Se han puesto a tu disposición dos archivos:

• train.csv - las solicitudes históricas con la decisión final (loan_status)
• test.csv - solicitudes nuevas, para las cuales no tenemos asociada una decisión

Objetivo principal: predicción de una probabilidad en base a la cual podemos clasificar cada solicitud como aprobada o rechazada (una probabilidad entre 0 y 1, donde 0 significa que seguramente no se otorga el préstamo y 1 significa que seguramente se otorga el préstamo).

📊 El conjunto de datos

Cada registro representa una solicitud de préstamo, con información demográfica,
financiera, comportamental y detalles sobre el tipo de crédito solicitado.

Atributos principales:

• customer_id - identificador único
• 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 - solo en train.csv, la etiqueta a predecir

El objetivo final es predecir loan_status para las filas en test.csv.

📝 Tareas

Las primeras tres subtareas verifican la comprensión de la estructura del conjunto de datos.
La última subtarea evalúa el modelo de clasificación.

Subtarea 1 (10 puntos)

Clasifique cada solicitante del conjunto de prueba según la edad:

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

Subtarea 2 (15 puntos)

Determine el nivel de riesgo basado en debt_to_income_ratio:

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

Subtarea 3 (15 puntos)

Para cada fila en test, calcule:

1total_obligations = current_debt + derogatory_marks + delinquencies_last_2yrs

Devuelva un número entero.

Subtarea 4 (60 puntos)

Construya un modelo de clasificación que prediga loan_status (una probabilidad p de [0,1]) para cada fila en test.

La evaluación se realiza usando AUC (Area Under the ROC Curve).

🧮 Evaluación

• AUC ≥ 0.95 → 60 puntos
• AUC ≤ 0.80 → 0 puntos
• El intervalo entre ellos: puntaje proporcional

Las subtareas 1–3 se evalúan exactamente (por comparación).

📄 Formato del archivo de submisión

El archivo submission.csv debe contener 4 líneas para cada fila en test,
correspondientes a las 4 subtareas.

Estructura:

1subtaskID datapointID answer

donde:

• subtaskID - 1, 2, 3 o 4
• datapointID - el valor customer_id
• answer - que puede tener uno de los siguientes valores (según la tarea):
  • Subtarea 1: Young / Adult / Senior
  • Subtarea 2: LowRisk / MediumRisk / HighRisk
  • Subtarea 3: número entero
  • Subtarea 4: probabilidad de que loan_status = 1 (número real 0–1)

Ejemplo para customer_id = 9071:

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

¡Éxito en el desarrollo del sistema automatizado de evaluación de préstamos!

📊 Métrica de evaluación: ROC AUC 📈

Para la Subtarea 4, la evaluación se realiza usando ROC AUC (Area Under the ROC Curve).
Esta es una medida única que sintetiza el rendimiento de un clasificador para todos los umbrales posibles de decisión.

¿Cómo se calcula ROC AUC?

1. Se traza la curva ROC, que representa:
   • TPR (True Positive Rate) - tasa correcta de aprobación de solicitudes aprobadas
   • FPR (False Positive Rate) - tasa de solicitudes rechazadas incorrectamente aprobadas

2. El área bajo la curva (AUC) se calcula usando la regla de los trapecios:
   • La curva se divide en trapecios usando las líneas verticales en los valores FPR y las líneas horizontales en los valores TPR
   • Se suman las áreas de los trapecios para obtener el valor final del AUC

3. Interpretación del puntaje:
   • ROC AUC = 1 🏆 → clasificador perfecto, todas las solicitudes se clasifican correctamente
   • ROC AUC = 0.5 🎲 → clasificador aleatorio, sin poder predictivo
   • 0.5 < ROC AUC < 1 📈 → qué tan bien el clasificador separa las clases