System zautomatyzowanej oceny kredytów

💼 Zautomatyzowany system oceny kredytów 💰

Nowoczesne instytucje finansowe przetwarzają codziennie tysiące wniosków kredytowych.
Aby szybko i prawidłowo decydować, kto jest uprawniony, banki używają systemów automatycznych
opartych na modelach ryzyka.

Taki system ma zostać zbudowany właśnie przez Ciebie. Otrzymałeś dostęp do realistycznego zestawu
danych z wnioskami kredytowymi, wraz z ich historią zatwierdzenia.
Twoim celem jest opracowanie modelu, który będzie mógł oceniać nowe wnioski przesłane
przez klientów.

Do dyspozycji otrzymałeś dwa pliki:

• train.csv - wnioski historyczne z ostateczną decyzją (loan_status)
• test.csv - nowe wnioski, dla których nie mamy przypisanej decyzji

Główny cel: przewidywanie prawdopodobieństwa na podstawie którego możemy sklasyfikować każdy wniosek jako zatwierdzony lub odrzucony (prawdopodobieństwo między 0 a 1, gdzie 0 oznacza, że kredyt na pewno nie zostanie udzielony, a 1 oznacza, że kredyt na pewno zostanie udzielony).

📊 Zestaw danych

Każdy rekord reprezentuje wniosek kredytowy, z informacjami demograficznymi,
finansowymi, behawioralnymi i szczegółami dotyczącymi rodzaju wnioskowanego kredytu.

Główne atrybuty:

• customer_id - unikalny identyfikator
• 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 - tylko w train.csv, etykieta do przewidzenia

Ostatecznym celem jest przewidzenie loan_status dla wierszy z test.csv.

📝 Zadania

Pierwsze trzy podzadania sprawdzają zrozumienie struktury zestawu danych.
Ostatnie podzadanie ocenia model klasyfikacji.

Podzadanie 1 (10 punktów)

Sklasyfikuj każdego wnioskodawcę z zestawu testowego według wieku:

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

Podzadanie 2 (15 punktów)

Określ poziom ryzyka na podstawie debt_to_income_ratio:

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

Podzadanie 3 (15 punktów)

Dla każdego wiersza z testu oblicz:

1total_obligations = current_debt + derogatory_marks + delinquencies_last_2yrs

Zwróć liczbę całkowitą.

Podzadanie 4 (60 punktów)

Zbuduj model klasyfikacji, który przewiduje loan_status (prawdopodobieństwo p z [0,1]) dla każdego wiersza z testu.

Ocena odbywa się przy użyciu AUC (Area Under the ROC Curve).

🧮 Ocena

• AUC ≥ 0.95 → 60 punktów
• AUC ≤ 0.80 → 0 punktów
• Przedział między nimi: punktacja proporcjonalna

Podzadania 1–3 są oceniane dokładnie (przez porównanie).

📄 Format pliku zgłoszenia

Plik submission.csv musi zawierać 4 linie dla każdego wiersza z testu,
odpowiadające 4 podzadaniom.

Struktura:

1subtaskID datapointID answer

gdzie:

• subtaskID - 1, 2, 3 lub 4
• datapointID - wartość customer_id
• answer - może mieć jedną z następujących wartości (w zależności od zadania):
  • Podzadanie 1: Young / Adult / Senior
  • Podzadanie 2: LowRisk / MediumRisk / HighRisk
  • Podzadanie 3: liczba całkowita
  • Podzadanie 4: prawdopodobieństwo, że loan_status = 1 (liczba rzeczywista 0–1)

Przykład dla customer_id = 9071:

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

Powodzenia w opracowaniu zautomatyzowanego systemu oceny kredytów!

📊 Metryka oceny: ROC AUC 📈

Dla Podzadania 4, ocena odbywa się przy użyciu ROC AUC (Area Under the ROC Curve).
Jest to unikalna miara, która syntetyzuje wydajność klasyfikatora dla wszystkich możliwych progów decyzyjnych.

Jak oblicza się ROC AUC?

1. Rysuje się krzywą ROC, która przedstawia:
   • TPR (True Positive Rate) - prawidłową stopę zatwierdzenia zatwierdzonych wniosków
   • FPR (False Positive Rate) - stopę nieprawidłowo zatwierdzonych wniosków odrzuconych

2. Pole pod krzywą (AUC) oblicza się przy użyciu reguły trapezów:
   • Krzywa jest dzielona na trapezy przy użyciu linii pionowych przy wartościach FPR i linii poziomych przy wartościach TPR
   • Dodaje się pola trapezów, aby uzyskać końcową wartość AUC

3. Interpretacja wyniku:
   • ROC AUC = 1 🏆 → klasyfikator doskonały, wszystkie wnioski są klasyfikowane prawidłowo
   • ROC AUC = 0.5 🎲 → klasyfikator losowy, bez mocy predykcyjnej
   • 0.5 < ROC AUC < 1 📈 → jak dobrze klasyfikator rozdziela klasy