Automaattinen lainanhallintajärjestelmä

💼 Automaattinen lainanhakujen arviointijärjestelmä 💰

Nykyaikaiset rahoituslaitokset käsittelevät päivittäin tuhansia lainahakemuksia.
Nopeaa ja oikeaa päätöstä varten kuka on oikeutettu lainaan, pankit käyttävät automaattisia järjestelmiä,
jotka perustuvat riskimalleihin.

Sinun tehtäväsi on rakentaa juuri tällainen järjestelmä. Olet saanut käyttöösi realistisen
luottohakemusten tietojoukon yhdessä niiden hyväksymishistorian kanssa.
Tavoitteesi on kehittää malli, joka pystyy arvioimaan asiakkaiden lähettämiä uusia hakemuksia.

Käytettävissäsi on kaksi tiedostoa:

• train.csv - historialliset hakemukset lopullisella päätöksellä (loan_status)
• test.csv - uudet hakemukset, joille ei ole liitetty päätöstä

Päätavoite: todennäköisyyden ennustaminen, jonka perusteella voimme luokitella jokaisen hakemuksen hyväksytyksi tai hylätyksi (todennäköisyys välillä 0 ja 1, jossa 0 tarkoittaa että lainaa ei varmasti myönnetä ja 1 tarkoittaa että laina varmasti myönnetään).

📊 Tietojoukko

Jokainen tietue edustaa lainahakemusta demografisilla,
taloudellisilla, käyttäytymiseen liittyvillä tiedoilla ja haetun luoton tyyppiä koskevilla yksityiskohdilla.

Pääattribuutit:

• customer_id - yksilöllinen tunniste
• 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 - vain train.csv:ssä, ennustettava etiketti

Lopullinen tavoite on ennustaa loan_status test.csv:n riveille.

📝 Tehtävät

Kolme ensimmäistä alitehtävää tarkistavat tietojoukon rakenteen ymmärtämisen.
Viimeinen alitehtävä arvioi luokittelumallia.

Alitehtävä 1 (10 pistettä)

Luokittele jokainen testijoukon hakija iän mukaan:

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

Alitehtävä 2 (15 pistettä)

Määritä riskitaso debt_to_income_ratio:n perusteella:

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

Alitehtävä 3 (15 pistettä)

Laske jokaiselle testin riville:

1total_obligations = current_debt + derogatory_marks + delinquencies_last_2yrs

Palauta kokonaisluku.

Alitehtävä 4 (60 pistettä)

Rakenna luokittelumalli, joka ennustaa loan_status:n (todennäköisyys p väliltä [0,1]) jokaiselle testin riville.

Arviointi tehdään käyttäen AUC (Area Under the ROC Curve) -mittaria.

🧮 Arviointi

• AUC ≥ 0.95 → 60 pistettä
• AUC ≤ 0.80 → 0 pistettä
• Niiden välinen alue: suhteellinen pistemäärä

Alitehtävät 1–3 arvioidaan tarkasti (vertailulla).

📄 Palautustiedoston muoto

Tiedoston submission.csv tulee sisältää 4 riviä jokaista testin riviä kohden,
vastaten 4 alitehtävää.

Rakenne:

1subtaskID datapointID answer

jossa:

• subtaskID - 1, 2, 3 tai 4
• datapointID - customer_id:n arvo
• answer - voi olla yksi seuraavista arvoista (tehtävän mukaan):
  • Alitehtävä 1: Young / Adult / Senior
  • Alitehtävä 2: LowRisk / MediumRisk / HighRisk
  • Alitehtävä 3: kokonaisluku
  • Alitehtävä 4: todennäköisyys että loan_status = 1 (reaaliluku 0–1)

Esimerkki customer_id = 9071:lle:

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

Onnea automaattisen lainanhakujen arviointijärjestelmän kehittämiseen!

📊 Arviointimittari: ROC AUC 📈

Alitehtävässä 4 arviointi tehdään käyttäen ROC AUC (Area Under the ROC Curve) -mittaria.
Tämä on yksittäinen mitta, joka tiivistää luokittelijan suorituskyvyn kaikilla mahdollisilla päätöskynnyksillä.

Miten ROC AUC lasketaan?

1. Piirretään ROC-käyrä, joka esittää:
   • TPR (True Positive Rate) - hyväksyttyjen hakemusten oikea hyväksymisaste
   • FPR (False Positive Rate) - virheellisesti hyväksyttyjen hylättyjen hakemusten aste

2. Käyrän alainen pinta-ala (AUC) lasketaan käyttäen puolisuunnikkaan sääntöä:
   • Käyrä jaetaan puolisuunnikkaisiiin käyttäen pystysuoria viivoja FPR-arvoissa ja vaakasuoria viivoja TPR-arvoissa
   • Puolisuunnikkaiden pinta-alat lasketaan yhteen lopullisen AUC-arvon saamiseksi

3. Pistemäärän tulkinta:
   • ROC AUC = 1 🏆 → täydellinen luokittelija, kaikki hakemukset luokitellaan oikein
   • ROC AUC = 0.5 🎲 → satunnainen luokittelija, ei ennustevoimaa
   • 0.5 < ROC AUC < 1 📈 → kuinka hyvin luokittelija erottaa luokat