Automatizált hitelértékelési rendszer

💼 Automatizált hitelértékelési rendszer 💰

A modern pénzügyi intézmények naponta több ezer hitelkérelmet dolgoznak fel.
A gyors és helyes döntés érdekében, hogy ki jogosult, a bankok automatizált rendszereket
használnak, amelyek kockázati modelleken alapulnak.

Egy ilyen rendszert éppen te fogsz felépíteni. Hozzáférést kaptál egy
valósághű adathalmazhoz hitelkérelmekkel, valamint azok jóváhagyási előzményeivel.
A célod egy olyan modell fejlesztése, amely képes értékelni az ügyfelek által
benyújtott új kérelmeket.

Két fájl áll rendelkezésedre:

• train.csv - múltbeli kérelmek a végső döntéssel (loan_status)
• test.csv - új kérelmek, amelyekhez nincs hozzárendelve döntés

Fő cél: egy valószínűség előrejelzése, amely alapján minden kérelmet jóváhagyottként vagy elutasítottként osztályozhatunk (egy valószínűség 0 és 1 között, ahol 0 azt jelenti, hogy biztosan nem adják meg a hitelt és 1 azt jelenti, hogy biztosan megadják a hitelt).

📊 Az adathalmaz

Minden rekord egy hitelkérelmet képvisel, demográfiai,
pénzügyi, viselkedési információkkal és a kért hitel típusának részleteivel.

Fő attribútumok:

• customer_id - egyedi azonosító
• 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 - csak a train.csv-ben, az előrejelzendő címke

A végső cél a loan_status előrejelzése a test.csv soraira.

📝 Feladatok

Az első három részfeladat az adathalmaz szerkezetének megértését ellenőrzi.
Az utolsó részfeladat az osztályozási modellt értékeli.

1. részfeladat (10 pont)

Osztályozd minden kérelmezőt a teszt halmazból életkor szerint:

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

2. részfeladat (15 pont)

Határozd meg a kockázati szintet a debt_to_income_ratio alapján:

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

3. részfeladat (15 pont)

Minden teszt sorhoz számítsd ki:

1total_obligations = current_debt + derogatory_marks + delinquencies_last_2yrs

Adj vissza egy egész számot.

4. részfeladat (60 pont)

Építs egy osztályozási modellt, amely előrejelzi a loan_status-t (egy p valószínűséget a [0,1] tartományból) minden teszt sorhoz.

Az értékelés AUC (Area Under the ROC Curve) használatával történik.

🧮 Értékelés

• AUC ≥ 0.95 → 60 pont
• AUC ≤ 0.80 → 0 pont
• A kettő közötti tartomány: arányos pontszám

Az 1–3. részfeladatok pontosan értékelődnek (összehasonlítással).

📄 A beadandó fájl formátuma

A submission.csv fájlnak 4 sort kell tartalmaznia minden teszt sorhoz,
a 4 részfeladatnak megfelelően.

Szerkezet:

1subtaskID datapointID answer

ahol:

• subtaskID - 1, 2, 3 vagy 4
• datapointID - a customer_id értéke
• answer - amely a következő értékek egyike lehet (a feladattól függően):
  • 1. részfeladat: Young / Adult / Senior
  • 2. részfeladat: LowRisk / MediumRisk / HighRisk
  • 3. részfeladat: egész szám
  • 4. részfeladat: a loan_status = 1 valószínűsége (valós szám 0–1)

Példa a customer_id = 9071-re:

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

Sok sikert az automatizált hitelértékelési rendszer fejlesztéséhez!

📊 Értékelési metrika: ROC AUC 📈

A 4. részfeladathoz az értékelés ROC AUC (Area Under the ROC Curve) használatával történik.
Ez egy egyedi mérték, amely egy osztályozó teljesítményét szintetizálja az összes lehetséges döntési küszöbhöz.

Hogyan számítjuk ki a ROC AUC-t?

1. Megrajzoljuk a ROC görbét, amely a következőket ábrázolja:
   • TPR (True Positive Rate) - a jóváhagyott kérelmek helyes jóváhagyási aránya
   • FPR (False Positive Rate) - az elutasított kérelmek helytelenül jóváhagyott aránya

2. A görbe alatti terület (AUC) kiszámítása a trapéz szabály használatával:
   • A görbe trapézokra van osztva az FPR értékeknél húzott függőleges vonalak és a TPR értékeknél húzott vízszintes vonalak segítségével
   • A trapézok területeit összeadjuk az AUC végső értékének megkapásához

3. A pontszám értelmezése:
   • ROC AUC = 1 🏆 → tökéletes osztályozó, minden kérelem helyesen van osztályozva
   • ROC AUC = 0.5 🎲 → véletlenszerű osztályozó, nincs előrejelző ereje
   • 0.5 < ROC AUC < 1 📈 → mennyire jól választja szét az osztályozó az osztályokat