Automaatne laenuhinnangu süsteem

💼 Automaatne laenuhinnangu süsteem 💰

Kaasaegsed finantsasutused töötlevad iga päev tuhandeid laenuavaldusi.
Et kiiresti ja õigesti otsustada, kes on abikõlblik, kasutavad pangad automaatseid süsteeme,
mis põhinevad riskimudelitel.

Selline süsteem tuleb ehitada just sinul. Oled saanud juurdepääsu realistlikule
andmekogumile krediidiavalduste ja nende kinnitamise ajalooga.
Sinu eesmärk on arendada mudel, mis suudab hinnata klientide poolt saadetud uusi taotlusi.

Sinu käsutusse on antud kaks faili:

• train.csv - ajaloolised taotlused lõpliku otsusega (loan_status)
• test.csv - uued taotlused, millele pole otsust määratud

Peamine eesmärk: tõenäosuse ennustamine, mille põhjal saame iga taotluse klassifitseerida kui kinnitatud või tagasi lükatud (tõenäosus vahemikus 0 ja 1, kus 0 tähendab, et laenu kindlasti ei anta ja 1 tähendab, et laen kindlasti antakse).

📊 Andmekogum

Iga kirje esindab laenuavaldust demograafiliste,
finants-, käitumuslike andmete ja taotletud krediidi tüübi üksikasjadega.

Peamised atribuudid:

• customer_id - unikaalne identifikaator
• 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 - ainult train.csv-s, ennustatav silt

Lõplik eesmärk on ennustada loan_status test.csv ridadele.

📝 Ülesanded

Esimesed kolm alamülesannet kontrollivad andmekogumi struktuuri mõistmist.
Viimane alamülesanne hindab klassifitseerimismudelit.

Alamülesanne 1 (10 punkti)

Klassifitseerige iga testikogumi taotleja vanuse järgi:

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

Alamülesanne 2 (15 punkti)

Määrake riskitase debt_to_income_ratio põhjal:

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

Alamülesanne 3 (15 punkti)

Iga testirea jaoks arvutage:

1total_obligations = current_debt + derogatory_marks + delinquencies_last_2yrs

Tagastage täisarv.

Alamülesanne 4 (60 punkti)

Ehitage klassifitseerimismudel, mis ennustab loan_status (tõenäosus p vahemikust [0,1]) iga testirea jaoks.

Hindamine toimub AUC (Area Under the ROC Curve) abil.

🧮 Hindamine

• AUC ≥ 0.95 → 60 punkti
• AUC ≤ 0.80 → 0 punkti
• Nende vaheline intervall: proportsionaalne punktisumma

Alamülesanded 1–3 hinnatakse täpselt (võrdlemise teel).

📄 Esitamisfaili formaat

Fail submission.csv peab sisaldama 4 rida iga testirea kohta,
mis vastavad 4 alamülesandele.

Struktuur:

1subtaskID datapointID answer

kus:

• subtaskID - 1, 2, 3 või 4
• datapointID - customer_id väärtus
• answer - mis võib olla üks järgmistest väärtustest (sõltuvalt ülesandest):
  • Alamülesanne 1: Young / Adult / Senior
  • Alamülesanne 2: LowRisk / MediumRisk / HighRisk
  • Alamülesanne 3: täisarv
  • Alamülesanne 4: tõenäosus, et loan_status = 1 (reaalarv 0–1)

Näide customer_id = 9071 jaoks:

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

Edu automaatse laenuhinnangu süsteemi arendamisel!

📊 Hindamismeetrika: ROC AUC 📈

Alamülesande 4 puhul toimub hindamine ROC AUC (Area Under the ROC Curve) abil.
See on ühene mõõt, mis võtab kokku klassifitseerija jõudluse kõigi võimalike otsustuspragude korral.

Kuidas arvutatakse ROC AUC?

1. Joonistatakse ROC kõver, mis esindab:
   • TPR (True Positive Rate) - kinnitatud taotluste õige kinnitamise määr
   • FPR (False Positive Rate) - valesti kinnitatud tagasi lükatud taotluste määr

2. Kõvera alune pindala (AUC) arvutatakse trapetsireeglit kasutades:
   • Kõver jagatakse trapetsiteks, kasutades vertikaalseid jooni FPR väärtuste juures ja horisontaalseid jooni TPR väärtuste juures
   • Trapetsite pindalad liidetakse kokku AUC lõpliku väärtuse saamiseks

3. Tulemuse tõlgendamine:
   • ROC AUC = 1 🏆 → täiuslik klassifitseerija, kõik taotlused on õigesti klassifitseeritud
   • ROC AUC = 0.5 🎲 → juhuslik klassifitseerija, ennustusjõud puudub
   • 0.5 < ROC AUC < 1 📈 → kui hästi klassifitseerija klasse eristab