Système automatisé d'évaluation des prêts

💼 Système automatisé d'évaluation des prêts 💰

Les institutions financières modernes traitent quotidiennement des milliers de demandes de prêt.
Pour décider rapidement et correctement qui est éligible, les banques utilisent des systèmes automatisés
basés sur des modèles de risque.

Un tel système va être construit par vous-même. Vous avez reçu l'accès à un ensemble
réaliste de données avec des demandes de crédit, accompagnées de leur historique d'approbation.
Votre objectif est de développer un modèle qui puisse évaluer les nouvelles demandes soumises
par les clients.

Deux fichiers ont été mis à votre disposition :

• train.csv - les demandes historiques avec la décision finale (loan_status)
• test.csv - nouvelles demandes, pour lesquelles nous n'avons pas de décision associée

Objectif principal : prédiction d'une probabilité sur la base de laquelle nous pouvons classer chaque demande comme approuvée ou rejetée (une probabilité entre 0 et 1, où 0 signifie que le prêt n'est certainement pas accordé et 1 signifie que le prêt est certainement accordé).

📊 Ensemble de données

Chaque enregistrement représente une demande de prêt, avec des informations démographiques,
financières, comportementales et des détails sur le type de crédit demandé.

Attributs principaux :

• customer_id - identifiant unique
• 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 - uniquement dans train.csv, l'étiquette à prédire

L'objectif final est de prédire loan_status pour les lignes de test.csv.

📝 Tâches

Les trois premières sous-tâches vérifient la compréhension de la structure de l'ensemble de données.
La dernière sous-tâche évalue le modèle de classification.

Sous-tâche 1 (10 points)

Classifiez chaque demandeur de l'ensemble de test en fonction de l'âge :

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

Sous-tâche 2 (15 points)

Déterminez le niveau de risque basé sur debt_to_income_ratio :

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

Sous-tâche 3 (15 points)

Pour chaque ligne du test, calculez :

1total_obligations = current_debt + derogatory_marks + delinquencies_last_2yrs

Retournez un nombre entier.

Sous-tâche 4 (60 points)

Construisez un modèle de classification qui prédit loan_status (une probabilité p de [0,1]) pour chaque ligne du test.

L'évaluation se fait en utilisant AUC (Area Under the ROC Curve).

🧮 Évaluation

• AUC ≥ 0.95 → 60 points
• AUC ≤ 0.80 → 0 points
• L'intervalle entre eux : score proportionnel

Les sous-tâches 1–3 sont évaluées exactement (par comparaison).

📄 Format du fichier de soumission

Le fichier submission.csv doit contenir 4 lignes pour chaque ligne du test,
correspondant aux 4 sous-tâches.

Structure :

1subtaskID datapointID answer

où :

• subtaskID - 1, 2, 3 ou 4
• datapointID - la valeur customer_id
• answer - qui peut avoir l'une des valeurs suivantes (selon la tâche) :
  • Sous-tâche 1 : Young / Adult / Senior
  • Sous-tâche 2 : LowRisk / MediumRisk / HighRisk
  • Sous-tâche 3 : nombre entier
  • Sous-tâche 4 : probabilité que loan_status = 1 (nombre réel 0–1)

Exemple pour customer_id = 9071 :

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

Succès dans le développement du système automatisé d'évaluation des prêts !

📊 Métrique d'évaluation : ROC AUC 📈

Pour la Sous-tâche 4, l'évaluation se fait en utilisant ROC AUC (Area Under the ROC Curve).
Il s'agit d'une mesure unique qui synthétise la performance d'un classificateur pour tous les seuils de décision possibles.

Comment calcule-t-on ROC AUC ?

1. On trace la courbe ROC, qui représente :
   • TPR (True Positive Rate) - taux correct d'approbation des demandes approuvées
   • FPR (False Positive Rate) - taux des demandes rejetées incorrectement approuvées

2. L'aire sous la courbe (AUC) se calcule en utilisant la règle des trapèzes :
   • La courbe est divisée en trapèzes en utilisant les lignes verticales aux valeurs FPR et les lignes horizontales aux valeurs TPR
   • On additionne les aires des trapèzes pour obtenir la valeur finale de l'AUC

3. Interprétation du score :
   • ROC AUC = 1 🏆 → classificateur parfait, toutes les demandes sont classées correctement
   • ROC AUC = 0.5 🎲 → classificateur aléatoire, sans pouvoir prédictif
   • 0.5 < ROC AUC < 1 📈 → à quel point le classificateur sépare bien les classes