Automatisert system for vurdering av lån

💼 Automatisert system for evaluering av lån 💰

Moderne finansinstitusjoner behandler daglig tusenvis av lånesøknader.
For å bestemme raskt og korrekt hvem som er kvalifisert, bruker banker automatiserte systemer
basert på risikomodeller.

Et slikt system skal bygges av deg. Du har fått tilgang til et
realistisk datasett med kredittsøknader, sammen med deres godkjenningshistorikk.
Målet ditt er å utvikle en modell som kan evaluere nye søknader sendt inn
av kunder.

Du har fått tilgang til to filer:

• train.csv - historiske søknader med endelig beslutning (loan_status)
• test.csv - nye søknader, som vi ikke har en tilknyttet beslutning for

Hovedmål: prediksjon av en sannsynlighet basert på hvilken vi kan klassifisere hver søknad som godkjent eller avvist (en sannsynlighet mellom 0 og 1, hvor 0 betyr at lånet definitivt ikke innvilges og 1 betyr at lånet definitivt innvilges).

📊 Datasettet

Hver post representerer en lånesøknad, med demografisk,
finansiell, atferdsmessig informasjon og detaljer om typen kreditt som søkes.

Hovedattributter:

• customer_id - unik 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 - kun i train.csv, etiketten som skal predikeres

Det endelige målet er å predikere loan_status for radene i test.csv.

📝 Oppgaver

De første tre deloppgavene verifiserer forståelsen av datasettets struktur.
Den siste deloppgaven evaluerer klassifikasjonsmodellen.

Deloppgave 1 (10 poeng)

Klassifiser hver søker fra testsettet basert på alder:

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

Deloppgave 2 (15 poeng)

Bestem risikonivået basert på debt_to_income_ratio:

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

Deloppgave 3 (15 poeng)

For hver rad i test, beregn:

1total_obligations = current_debt + derogatory_marks + delinquencies_last_2yrs

Returner et heltall.

Deloppgave 4 (60 poeng)

Bygg en klassifikasjonsmodell som predikerer loan_status (en sannsynlighet p fra [0,1]) for hver rad i test.

Evalueringen gjøres ved bruk av AUC (Area Under the ROC Curve).

🧮 Evaluering

• AUC ≥ 0.95 → 60 poeng
• AUC ≤ 0.80 → 0 poeng
• Intervallet mellom dem: proporsjonalt poengsum

Deloppgaver 1–3 evalueres nøyaktig (ved sammenligning).

📄 Format for innleveringsfil

Filen submission.csv må inneholde 4 linjer for hver rad i test,
tilsvarende de 4 deloppgavene.

Struktur:

1subtaskID datapointID answer

hvor:

• subtaskID - 1, 2, 3 eller 4
• datapointID - verdien customer_id
• answer - som kan ha en av følgende verdier (avhengig av oppgave):
  • Deloppgave 1: Young / Adult / Senior
  • Deloppgave 2: LowRisk / MediumRisk / HighRisk
  • Deloppgave 3: heltall
  • Deloppgave 4: sannsynligheten for at loan_status = 1 (reelt tall 0–1)

Eksempel for customer_id = 9071:

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

Lykke til med utviklingen av det automatiserte systemet for evaluering av lån!

📊 Evalueringsmetrikk: ROC AUC 📈

For Deloppgave 4 gjøres evalueringen ved bruk av ROC AUC (Area Under the ROC Curve).
Dette er et unikt mål som sammenfatter ytelsen til en klassifikator for alle mulige beslutningsgrenser.

Hvordan beregnes ROC AUC?

1. ROC-kurven tegnes, som representerer:
   • TPR (True Positive Rate) - korrekt godkjenningsrate for godkjente søknader
   • FPR (False Positive Rate) - raten for avviste søknader som feilaktig godkjennes

2. Arealet under kurven (AUC) beregnes ved bruk av trapesregelen:
   • Kurven deles inn i trapeser ved bruk av vertikale linjer ved FPR-verdiene og horisontale linjer ved TPR-verdiene
   • Arealene til trapesene summeres for å få den endelige AUC-verdien

3. Tolkning av poengsummen:
   • ROC AUC = 1 🏆 → perfekt klassifikator, alle søknader klassifiseres korrekt
   • ROC AUC = 0.5 🎲 → tilfeldig klassifikator, uten prediktiv kraft
   • 0.5 < ROC AUC < 1 📈 → hvor godt klassifikatoren skiller klassene