Sistema automatizado de avaliação de empréstimos

💼 Sistema automatizado de avaliação de empréstimos 💰

Instituições financeiras modernas processam diariamente milhares de solicitações de empréstimo.
Para decidir rapidamente e corretamente quem é elegível, os bancos usam sistemas automatizados
baseados em modelos de risco.

Um sistema desse tipo será construído exatamente por você. Você recebeu acesso a um conjunto
realista de dados com aplicações de crédito, junto com seu histórico de aprovação.
Seu objetivo é desenvolver um modelo que possa avaliar as novas solicitações enviadas
por clientes.

Foram disponibilizados dois arquivos:

• train.csv - solicitações históricas com a decisão final (loan_status)
• test.csv - solicitações novas, para as quais não temos uma decisão associada

Objetivo principal: predição de uma probabilidade com base na qual podemos classificar cada solicitação como aprovada ou rejeitada (uma probabilidade entre 0 e 1, onde 0 significa que certamente o empréstimo não é concedido e 1 significa que certamente o empréstimo é concedido).

📊 Conjunto de dados

Cada registro representa uma solicitação de empréstimo, com informações demográficas,
financeiras, comportamentais e detalhes sobre o tipo de crédito solicitado.

Atributos principais:

• customer_id - identificador único
• 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 - apenas em train.csv, rótulo a ser previsto

O objetivo final é prever loan_status para as linhas em test.csv.

📝 Tarefas

As primeiras três subtarefas verificam a compreensão da estrutura do conjunto de dados.
A última subtarefa avalia o modelo de classificação.

Subtarefa 1 (10 pontos)

Classifique cada solicitante do conjunto de teste de acordo com a idade:

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

Subtarefa 2 (15 pontos)

Determine o nível de risco baseado em debt_to_income_ratio:

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

Subtarefa 3 (15 pontos)

Para cada linha do teste, calcule:

1total_obligations = current_debt + derogatory_marks + delinquencies_last_2yrs

Retorne um número inteiro.

Subtarefa 4 (60 pontos)

Construa um modelo de classificação que preveja loan_status (uma probabilidade p de [0,1]) para cada linha do teste.

A avaliação é feita usando AUC (Area Under the ROC Curve).

🧮 Avaliação

• AUC ≥ 0.95 → 60 pontos
• AUC ≤ 0.80 → 0 pontos
• Intervalo entre eles: pontuação proporcional

Subtarefas 1–3 são avaliadas exatamente (por comparação).

📄 Formato do arquivo de submissão

O arquivo submission.csv deve conter 4 linhas para cada linha do teste,
correspondentes às 4 subtarefas.

Estrutura:

1subtaskID datapointID answer

onde:

• subtaskID - 1, 2, 3 ou 4
• datapointID - valor de customer_id
• answer - que pode ter um dos seguintes valores (dependendo da tarefa):
  • Subtarefa 1: Young / Adult / Senior
  • Subtarefa 2: LowRisk / MediumRisk / HighRisk
  • Subtarefa 3: número inteiro
  • Subtarefa 4: probabilidade de loan_status = 1 (número real 0–1)

Exemplo para customer_id = 9071:

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

Sucesso no desenvolvimento do sistema automatizado de avaliação de empréstimos!

📊 Métrica de avaliação: ROC AUC 📈

Para Subtarefa 4, a avaliação é feita usando ROC AUC (Area Under the ROC Curve).
Esta é uma medida única que sintetiza o desempenho de um classificador para todos os limiares possíveis de decisão.

Como é calculado o ROC AUC?

1. Traça-se a curva ROC, que representa:
   • TPR (True Positive Rate) - taxa correta de aprovação de solicitações aprovadas
   • FPR (False Positive Rate) - taxa de solicitações rejeitadas incorretamente aprovadas

2. A área sob a curva (AUC) é calculada usando a regra dos trapézios:
   • A curva é dividida em trapézios usando as linhas verticais nos valores de FPR e as linhas horizontais nos valores de TPR
   • Somam-se as áreas dos trapézios para obter o valor final da AUC

3. Interpretação da pontuação:
   • ROC AUC = 1 🏆 → classificador perfeito, todas as solicitações são classificadas corretamente
   • ROC AUC = 0.5 🎲 → classificador aleatório, sem poder preditivo
   • 0.5 < ROC AUC < 1 📈 → quão bem o classificador separa as classes