Automatizuota paskolų vertinimo sistema

💼 Automatizuota paskolų vertinimo sistema 💰

Šiuolaikinės finansų institucijos kasdien apdoroja tūkstančius paskolų prašymų.
Kad galėtų greitai ir teisingai nuspręsti, kas yra tinkamas, bankai naudoja automatizuotas sistemas,
pagrįstas rizikos modeliais.

Tokią sistemą turėsi sukurti būtent tu. Gavai prieigą prie realistinio duomenų rinkinio
su kreditų paraiškomis kartu su jų patvirtinimo istorija.
Tavo tikslas yra sukurti modelį, kuris galėtų įvertinti naujus klientų pateiktus prašymus.

Tau buvo pateikti du failai:

• train.csv - istoriniai prašymai su galutiniu sprendimu (loan_status)
• test.csv - nauji prašymai, kuriems neturime priskirto sprendimo

Pagrindinis tikslas: tikimybės prognozavimas, kurios pagrindu galime klasifikuoti kiekvieną prašymą kaip patvirtintą ar atmestą (tikimybė tarp 0 ir 1, kur 0 reiškia, kad paskola tikrai nebus suteikta, o 1 reiškia, kad paskola tikrai bus suteikta).

📊 Duomenų rinkinys

Kiekvienas įrašas atstovauja paskolų prašymą su demografine,
finansine, elgesio informacija ir išsamia informacija apie prašomo kredito tipą.

Pagrindiniai atributai:

• customer_id - unikalus identifikatorius
• 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 - tik train.csv, prognozuojama etiketė

Galutinis tikslas yra prognozuoti loan_status eilutėms iš test.csv.

📝 Užduotys

Pirmosios trys užduotys tikrina duomenų rinkinio struktūros supratimą.
Paskutinė užduotis vertina klasifikavimo modelį.

1 užduotis (10 taškų)

Klasifikuokite kiekvieną prašytoją iš testo rinkinio pagal amžių:

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

2 užduotis (15 taškų)

Nustatykite rizikos lygį pagal debt_to_income_ratio:

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

3 užduotis (15 taškų)

Kiekvienai testo eilutei apskaičiuokite:

1total_obligations = current_debt + derogatory_marks + delinquencies_last_2yrs

Grąžinkite sveikąjį skaičių.

4 užduotis (60 taškų)

Sukurkite klasifikavimo modelį, kuris prognozuoja loan_status (tikimybę p iš [0,1]) kiekvienai testo eilutei.

Vertinimas atliekamas naudojant AUC (Area Under the ROC Curve).

🧮 Vertinimas

• AUC ≥ 0.95 → 60 taškų
• AUC ≤ 0.80 → 0 taškų
• Intervalas tarp jų: proporcinis taškas

1–3 užduotys vertinamos tiksliai (palyginant).

📄 Pateikimo failo formatas

Failas submission.csv turi turėti po 4 eilutes kiekvienai testo eilutei,
atitinkančias 4 užduotis.

Struktūra:

1subtaskID datapointID answer

kur:

• subtaskID - 1, 2, 3 arba 4
• datapointID - customer_id reikšmė
• answer - gali turėti vieną iš šių reikšmių (priklausomai nuo užduoties):
  • 1 užduotis: Young / Adult / Senior
  • 2 užduotis: LowRisk / MediumRisk / HighRisk
  • 3 užduotis: sveikasis skaičius
  • 4 užduotis: tikimybė, kad loan_status = 1 (realusis skaičius 0–1)

Pavyzdys customer_id = 9071:

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

Sėkmės kuriant automatizuotą paskolų vertinimo sistemą!

📊 Vertinimo metrika: ROC AUC 📈

4 užduočiai vertinimas atliekamas naudojant ROC AUC (Area Under the ROC Curve).
Tai yra unikalus matas, kuris apibendrinta klasifikatoriaus veikimą visiems galimoms sprendimo riboms.

Kaip skaičiuojamas ROC AUC?

1. Braižoma ROC kreivė, kuri atstovauja:
   • TPR (True Positive Rate) - teisingas patvirtintų prašymų patvirtinimo dažnis
   • FPR (False Positive Rate) - neteisingai patvirtintų atmestų prašymų dažnis

2. Plotas po kreive (AUC) skaičiuojamas naudojant trapecijų taisyklę:
   • Kreivė padalinama į trapecijas naudojant vertikalias linijas FPR reikšmėse ir horizontalias linijas TPR reikšmėse
   • Sudedami trapecijų plotai, kad būtų gauta galutinė AUC reikšmė

3. Rezultato interpretacija:
   • ROC AUC = 1 🏆 → tobulas klasifikatorius, visi prašymai klasifikuojami teisingai
   • ROC AUC = 0.5 🎲 → atsitiktinis klasifikatorius, be prognozavimo galios
   • 0.5 < ROC AUC < 1 📈 → kaip gerai klasifikatorius atskiria klases