Automatizirani sustav za ocjenu kredita

💼 Automatizirani sustav za ocjenjivanje kredita 💰

Moderne financijske institucije dnevno obrađuju tisuće zahtjeva za kredit.
Kako bi brzo i ispravno odlučile tko je prihvatljiv, banke koriste automatizirane sustave
temeljene na modelima rizika.

Upravo takav sustav trebate izgraditi. Dobili ste pristup realnom skupu
podataka s kreditnim zahtjevima, zajedno s njihovom poviješću odobrenja.
Vaš je cilj razviti model koji može ocijeniti nove zahtjeve koje šalju
klijenti.

Na raspolaganju su vam dvije datoteke:

• train.csv - povijesni zahtjevi s konačnom odlukom (loan_status)
• test.csv - novi zahtjevi za koje nemamo povezanu odluku

Glavni cilj: predviđanje vjerojatnosti na temelju koje možemo klasificirati svaki zahtjev kao odobren ili odbačen (vjerojatnost između 0 i 1, gdje 0 znači da se kredit sigurno neće odobriti, a 1 znači da će se kredit sigurno odobriti).

📊 Skup podataka

Svaki zapis predstavlja zahtjev za kredit, s demografskim,
financijskim, bihevioralnim informacijama i detaljima o vrsti traženog kredita.

Glavni atributi:

• customer_id - jedinstveni 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 - samo u train.csv, oznaka za predviđanje

Konačni cilj je predvidjeti loan_status za redove u test.csv.

📝 Zadaci

Prva tri podzadatka provjeravaju razumijevanje strukture skupa podataka.
Zadnji podzadatak ocjenjuje model klasifikacije.

Podzadatak 1 (10 bodova)

Klasificirajte svakog podnositelja zahtjeva iz test skupa prema dobi:

• Young ako je age < 30
• Adult ako je 30 ≤ age < 60
• Senior ako je age ≥ 60

Podzadatak 2 (15 bodova)

Odredite razinu rizika na temelju debt_to_income_ratio:

• LowRisk ako je DTI < 20
• MediumRisk ako je 20 ≤ DTI < 40
• HighRisk ako je DTI ≥ 40

Podzadatak 3 (15 bodova)

Za svaki red u testu, izračunajte:

1total_obligations = current_debt + derogatory_marks + delinquencies_last_2yrs

Vratite cijeli broj.

Podzadatak 4 (60 bodova)

Izgradite model klasifikacije koji predviđa loan_status (vjerojatnost p iz [0,1]) za svaki red u testu.

Ocjenjivanje se vrši pomoću AUC (Area Under the ROC Curve).

🧮 Ocjenjivanje

• AUC ≥ 0.95 → 60 bodova
• AUC ≤ 0.80 → 0 bodova
• Interval između: proporcionalni bodovi

Podzadaci 1–3 ocjenjuju se točno (usporedbom).

📄 Format datoteke za predaju

Datoteka submission.csv mora sadržavati 4 linije za svaki red u testu,
koje odgovaraju 4 podzadatka.

Struktura:

1subtaskID datapointID answer

gdje je:

• subtaskID - 1, 2, 3 ili 4
• datapointID - vrijednost customer_id
• answer - može imati jednu od sljedećih vrijednosti (ovisno o zadatku):
  • Podzadatak 1: Young / Adult / Senior
  • Podzadatak 2: LowRisk / MediumRisk / HighRisk
  • Podzadatak 3: cijeli broj
  • Podzadatak 4: vjerojatnost da je loan_status = 1 (realni broj 0–1)

Primjer za customer_id = 9071:

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

Uspjeh u razvoju automatiziranog sustava za ocjenjivanje kredita!

📊 Metrika ocjenjivanja: ROC AUC 📈

Za Podzadatak 4, ocjenjivanje se vrši pomoću ROC AUC (Area Under the ROC Curve).
To je jedinstvena mjera koja sintetizira performanse klasifikatora za sve moguće pragove odluke.

Kako se izračunava ROC AUC?

1. Crta se ROC krivulja, koja predstavlja:
   • TPR (True Positive Rate) - ispravna stopa odobrenja odobrenih zahtjeva
   • FPR (False Positive Rate) - stopa neispravno odobrenih odbačenih zahtjeva

2. Područje ispod krivulje (AUC) izračunava se pomoću pravila trapeza:
   • Krivulja se dijeli na trapeze pomoću okomitih linija na vrijednostima FPR i vodoravnih linija na vrijednostima TPR
   • Zbrajaju se površine trapeza za dobivanje konačne vrijednosti AUC

3. Interpretacija rezultata:
   • ROC AUC = 1 🏆 → savršen klasifikator, svi zahtjevi su ispravno klasificirani
   • ROC AUC = 0.5 🎲 → slučajan klasifikator, bez prediktivne moći
   • 0.5 < ROC AUC < 1 📈 → koliko dobro klasifikator razlikuje klase