Geautomatiseerd leningbeoordelingssysteem

💼 Geautomatiseerd leningbeoordelingssysteem 💰

Moderne financiële instellingen verwerken dagelijks duizenden leningaanvragen.
Om snel en correct te beslissen wie in aanmerking komt, gebruiken banken geautomatiseerde systemen
gebaseerd op risicomodellen.

Een dergelijk systeem ga je zelf bouwen. Je hebt toegang gekregen tot een
realistische dataset met kredietaanvragen, samen met hun goedkeuringsgeschiedenis.
Je doel is om een model te ontwikkelen dat nieuwe aanvragen van
klanten kan beoordelen.

Er zijn twee bestanden ter beschikking gesteld:

• train.csv - historische aanvragen met de uiteindelijke beslissing (loan_status)
• test.csv - nieuwe aanvragen, waarvoor we geen beslissing hebben

Hoofddoel: voorspelling van een waarschijnlijkheid op basis waarvan we elke aanvraag kunnen classificeren als goedgekeurd of afgewezen (een waarschijnlijkheid tussen 0 en 1, waarbij 0 betekent dat de lening zeker niet wordt verstrekt en 1 betekent dat de lening zeker wordt verstrekt).

📊 De dataset

Elke record vertegenwoordigt een leningaanvraag, met demografische,
financiële, gedragsinformatie en details over het type aangevraagde krediet.

Hoofdattributen:

• customer_id - unieke identificator
• 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 - alleen in train.csv, het te voorspellen label

Het uiteindelijke doel is om loan_status te voorspellen voor de rijen in test.csv.

📝 Taken

De eerste drie subtaken controleren het begrip van de datasetstructuur.
De laatste subtaak evalueert het classificatiemodel.

Subtaak 1 (10 punten)

Classificeer elke aanvrager uit de testset op basis van leeftijd:

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

Subtaak 2 (15 punten)

Bepaal het risiconiveau gebaseerd op debt_to_income_ratio:

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

Subtaak 3 (15 punten)

Voor elke rij in test, bereken:

1total_obligations = current_debt + derogatory_marks + delinquencies_last_2yrs

Retourneer een geheel getal.

Subtaak 4 (60 punten)

Bouw een classificatiemodel dat loan_status voorspelt (een waarschijnlijkheid p uit [0,1]) voor elke rij in test.

De evaluatie gebeurt met AUC (Area Under the ROC Curve).

🧮 Evaluatie

• AUC ≥ 0.95 → 60 punten
• AUC ≤ 0.80 → 0 punten
• Het interval ertussen: proportionele score

Subtaken 1–3 worden exact geëvalueerd (door vergelijking).

📄 Formaat van het inleverbestand

Het bestand submission.csv moet 4 regels voor elke rij in test bevatten,
overeenkomend met de 4 subtaken.

Structuur:

1subtaskID datapointID answer

waarbij:

• subtaskID - 1, 2, 3 of 4
• datapointID - de waarde van customer_id
• answer - kan een van de volgende waarden hebben (afhankelijk van de taak):
  • Subtaak 1: Young / Adult / Senior
  • Subtaak 2: LowRisk / MediumRisk / HighRisk
  • Subtaak 3: geheel getal
  • Subtaak 4: waarschijnlijkheid dat loan_status = 1 (reëel getal 0–1)

Voorbeeld voor customer_id = 9071:

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

Succes met het ontwikkelen van het geautomatiseerde leningbeoordelingssysteem!

📊 Evaluatiemetriek: ROC AUC 📈

Voor Subtaak 4 gebeurt de evaluatie met ROC AUC (Area Under the ROC Curve).
Dit is een unieke maat die de prestatie van een classificator samenvat voor alle mogelijke beslissingsdrempels.

Hoe wordt ROC AUC berekend?

1. De ROC-curve wordt getekend, die het volgende weergeeft:
   • TPR (True Positive Rate) - correcte goedkeuringspercentage van goedgekeurde aanvragen
   • FPR (False Positive Rate) - percentage van afgewezen aanvragen die ten onrechte zijn goedgekeurd

2. Het gebied onder de curve (AUC) wordt berekend met de trapeziumregel:
   • De curve wordt verdeeld in trapeziums met verticale lijnen bij FPR-waarden en horizontale lijnen bij TPR-waarden
   • De oppervlakten van de trapeziums worden opgeteld om de uiteindelijke AUC-waarde te verkrijgen

3. Interpretatie van de score:
   • ROC AUC = 1 🏆 → perfecte classificator, alle aanvragen worden correct geclassificeerd
   • ROC AUC = 0.5 🎲 → willekeurige classificator, geen voorspellende kracht
   • 0.5 < ROC AUC < 1 📈 → hoe goed de classificator de klassen scheidt