Automatizovaný systém hodnotenia pôžičiek

💼 Automatizovaný systém hodnotenia pôžičiek 💰

Moderné finančné inštitúcie spracúvajú denne tisíce žiadostí o pôžičku.
Aby mohli rýchlo a správne rozhodnúť, kto je oprávnený, banky používajú automatizované systémy
založené na rizikových modeloch.

Takýto systém máš postaviť práve ty. Dostal si prístup k realistickému súboru
údajov s kreditnými žiadosťami spolu s ich históriou schválenia.
Tvojím cieľom je vyvinúť model, ktorý dokáže vyhodnotiť nové žiadosti odoslané
klientmi.

K dispozícii máš dva súbory:

• train.csv - historické žiadosti s konečným rozhodnutím (loan_status)
• test.csv - nové žiadosti, pre ktoré nemáme priradené rozhodnutie

Hlavný cieľ: predikcia pravdepodobnosti na základe ktorej môžeme klasifikovať každú žiadosť ako schválenú alebo zamietnutú (pravdepodobnosť medzi 0 a 1, kde 0 znamená, že pôžička určite nie je poskytnutá a 1 znamená, že pôžička určite je poskytnutá).

📊 Súbor údajov

Každý záznam predstavuje žiadosť o pôžičku s demografickými,
finančnými, behaviorálnymi informáciami a detailmi o type požadovaného kreditu.

Hlavné atribúty:

• customer_id - jedinečný identifikátor
• 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 - len v train.csv, štítok na predikciu

Konečným cieľom je predpovedať loan_status pre riadky v test.csv.

📝 Úlohy

Prvé tri podúlohy overujú pochopenie štruktúry súboru údajov.
Posledná podúloha hodnotí klasifikačný model.

Podúloha 1 (10 bodov)

Klasifikujte každého žiadateľa z testovacieho súboru podľa veku:

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

Podúloha 2 (15 bodov)

Určte úroveň rizika na základe debt_to_income_ratio:

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

Podúloha 3 (15 bodov)

Pre každý riadok v teste vypočítajte:

1total_obligations = current_debt + derogatory_marks + delinquencies_last_2yrs

Vráťte celé číslo.

Podúloha 4 (60 bodov)

Postavte klasifikačný model, ktorý predpovedá loan_status (pravdepodobnosť p z [0,1]) pre každý riadok v teste.

Hodnotenie sa vykonáva pomocou AUC (Area Under the ROC Curve).

🧮 Hodnotenie

• AUC ≥ 0.95 → 60 bodov
• AUC ≤ 0.80 → 0 bodov
• Interval medzi nimi: proporcionálne bodovanie

Podúlohy 1–3 sa hodnotia presne (porovnaním).

📄 Formát súboru na odovzdanie

Súbor submission.csv musí obsahovať 4 riadky pre každý riadok z testu,
zodpovedajúce 4 podúlohám.

Štruktúra:

1subtaskID datapointID answer

kde:

• subtaskID - 1, 2, 3 alebo 4
• datapointID - hodnota customer_id
• answer - môže mať jednu z nasledujúcich hodnôt (v závislosti od úlohy):
  • Podúloha 1: Young / Adult / Senior
  • Podúloha 2: LowRisk / MediumRisk / HighRisk
  • Podúloha 3: celé číslo
  • Podúloha 4: pravdepodobnosť, že loan_status = 1 (reálne číslo 0–1)

Príklad pre customer_id = 9071:

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

Úspech pri vývoji automatizovaného systému hodnotenia pôžičiek!

📊 Metrika hodnotenia: ROC AUC 📈

Pre Podúlohu 4 sa hodnotenie vykonáva pomocou ROC AUC (Area Under the ROC Curve).
Toto je jedinečná miera, ktorá sumarizuje výkonnosť klasifikátora pre všetky možné prahy rozhodnutia.

Ako sa vypočítava ROC AUC?

1. Nakreslí sa ROC krivka, ktorá predstavuje:
   • TPR (True Positive Rate) - správna miera schválenia schválených žiadostí
   • FPR (False Positive Rate) - miera nesprávne schválených zamietnutých žiadostí

2. Plocha pod krivkou (AUC) sa vypočítava pomocou pravidla lichobežníkov:
   • Krivka je rozdelená na lichobežníky pomocou vertikálnych čiar pri hodnotách FPR a horizontálnych čiar pri hodnotách TPR
   • Sčítajú sa plochy lichobežníkov na získanie konečnej hodnoty AUC

3. Interpretácia skóre:
   • ROC AUC = 1 🏆 → perfektný klasifikátor, všetky žiadosti sú klasifikované správne
   • ROC AUC = 0.5 🎲 → náhodný klasifikátor, bez prediktívnej sily
   • 0.5 < ROC AUC < 1 📈 → ako dobre klasifikátor oddeľuje triedy