Sistema automatizzato di valutazione dei prestiti

💼 Sistema automatizzato di valutazione dei prestiti 💰

Le istituzioni finanziarie moderne elaborano quotidianamente migliaia di richieste di prestito.
Per decidere rapidamente e correttamente chi è idoneo, le banche utilizzano sistemi automatici
basati su modelli di rischio.

Un tale sistema deve essere costruito proprio da te. Hai ricevuto accesso a un set
realistico di dati con domande di credito, insieme alla loro cronologia di approvazione.
Il tuo obiettivo è sviluppare un modello che possa valutare le nuove richieste inviate
dai clienti.

Ti sono stati messi a disposizione due file:

• train.csv - le richieste storiche con la decisione finale (loan_status)
• test.csv - nuove richieste, per le quali non abbiamo una decisione associata

Obiettivo principale: predizione di una probabilità sulla base della quale possiamo classificare ogni richiesta come approvata o respinta (una probabilità tra 0 e 1, dove 0 significa che sicuramente non viene concesso il prestito e 1 significa che sicuramente viene concesso il prestito).

📊 Il set di dati

Ogni record rappresenta una richiesta di prestito, con informazioni demografiche,
finanziarie, comportamentali e dettagli sul tipo di credito richiesto.

Attributi principali:

• customer_id - identificatore unico
• 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 - solo in train.csv, l'etichetta da predire

L'obiettivo finale è predire loan_status per le righe in test.csv.

📝 Task

I primi tre subtask verificano la comprensione della struttura del set di dati.
L'ultimo subtask valuta il modello di classificazione.

Subtask 1 (10 punti)

Classificate ogni richiedente del set di test in base all'età:

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

Subtask 2 (15 punti)

Determinate il livello di rischio basato su debt_to_income_ratio:

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

Subtask 3 (15 punti)

Per ogni riga del test, calcolate:

1total_obligations = current_debt + derogatory_marks + delinquencies_last_2yrs

Restituite un numero intero.

Subtask 4 (60 punti)

Costruite un modello di classificazione che predice loan_status (una probabilità p da [0,1]) per ogni riga del test.

La valutazione si fa usando AUC (Area Under the ROC Curve).

🧮 Valutazione

• AUC ≥ 0.95 → 60 punti
• AUC ≤ 0.80 → 0 punti
• L'intervallo tra questi: punteggio proporzionale

I subtask 1–3 si valutano esattamente (per confronto).

📄 Formato del file di submission

Il file submission.csv deve contenere 4 righe per ogni riga del test,
corrispondenti ai 4 subtask.

Struttura:

1subtaskID datapointID answer

dove:

• subtaskID - 1, 2, 3 o 4
• datapointID - il valore customer_id
• answer - che può avere uno dei seguenti valori (a seconda del task):
  • Subtask 1: Young / Adult / Senior
  • Subtask 2: LowRisk / MediumRisk / HighRisk
  • Subtask 3: numero intero
  • Subtask 4: probabilità che loan_status = 1 (numero reale 0–1)

Esempio per customer_id = 9071:

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

Successo nello sviluppo del sistema automatizzato di valutazione dei prestiti!

📊 Metrica di valutazione: ROC AUC 📈

Per il Subtask 4, la valutazione si fa usando ROC AUC (Area Under the ROC Curve).
Questa è una misura unica che sintetizza le prestazioni di un classificatore per tutte le soglie di decisione possibili.

Come si calcola ROC AUC?

1. Si traccia la curva ROC, che rappresenta:
   • TPR (True Positive Rate) - tasso corretto di approvazione delle richieste approvate
   • FPR (False Positive Rate) - tasso delle richieste respinte incorrettamente approvate

2. L'area sotto la curva (AUC) si calcola usando la regola dei trapezi:
   • La curva è divisa in trapezi usando le linee verticali ai valori FPR e le linee orizzontali ai valori TPR
   • Si sommano le aree dei trapezi per ottenere il valore finale dell'AUC

3. Interpretazione del punteggio:
   • ROC AUC = 1 🏆 → classificatore perfetto, tutte le richieste sono classificate correttamente
   • ROC AUC = 0.5 🎲 → classificatore casuale, senza potere predittivo
   • 0.5 < ROC AUC < 1 📈 → quanto bene il classificatore separa le classi