Avtomatiziran sistem za ocenjevanje posojil

💼 Avtomatiziran sistem za ocenjevanje posojil 💰

Moderne finančne institucije dnevno obdelajo tisoče vlog za posojila.
Da bi hitro in pravilno odločile, kdo je upravičen, banke uporabljajo avtomatske sisteme,
ki temeljijo na modelih tveganja.

Tak sistem boš zgradil prav ti. Dobil si dostop do realističnega nabora
podatkov z vlogami za kredit skupaj z njihovo zgodovino odobritev.
Tvoj cilj je razviti model, ki bo lahko ocenil nove vloge, ki jih pošljejo
stranke.

Na voljo imaš dve datoteki:

• train.csv - zgodovinske vloge z končno odločitvijo (loan_status)
• test.csv - nove vloge, za katere nimamo povezane odločitve

Glavni cilj: napoved verjetnosti, na podlagi katere lahko klasificiramo vsako vlogo kot odobreno ali zavrnjeno (verjetnost med 0 in 1, kjer 0 pomeni, da posojilo zagotovo ni odobreno in 1 pomeni, da je posojilo zagotovo odobreno).

📊 Nabor podatkov

Vsak zapis predstavlja vlogo za posojilo z demografskimi,
finančnimi, vedenjskimi informacijami in podrobnostmi o vrsti zahtevanega kredita.

Glavni atributi:

• customer_id - edinstveni 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 - samo v train.csv, oznaka za napoved

Končni cilj je napovedati loan_status za vrstice v test.csv.

📝 Naloge

Prve tri podnaloge preverjajo razumevanje strukture nabora podatkov.
Zadnja podnaloga ocenjuje klasifikacijski model.

Podnaloga 1 (10 točk)

Klasificirajte vsakega prosilca iz testnega nabora glede na starost:

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

Podnaloga 2 (15 točk)

Določite raven tveganja na podlagi debt_to_income_ratio:

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

Podnaloga 3 (15 točk)

Za vsako vrstico v testu izračunajte:

1total_obligations = current_debt + derogatory_marks + delinquencies_last_2yrs

Vrnite celo število.

Podnaloga 4 (60 točk)

Zgradite klasifikacijski model, ki napoveduje loan_status (verjetnost p iz [0,1]) za vsako vrstico v testu.

Ocenjevanje se izvaja z uporabo AUC (Area Under the ROC Curve).

🧮 Ocenjevanje

• AUC ≥ 0.95 → 60 točk
• AUC ≤ 0.80 → 0 točk
• Interval med njima: sorazmerno točkovanje

Podnaloge 1–3 se ocenjujejo natančno (s primerjavo).

📄 Format datoteke za oddajo

Datoteka submission.csv mora vsebovati 4 vrstice za vsako vrstico v testu,
ki ustrezajo 4 podnalogram.

Struktura:

1subtaskID datapointID answer

kjer:

• subtaskID - 1, 2, 3 ali 4
• datapointID - vrednost customer_id
• answer - ki ima lahko eno od naslednjih vrednosti (odvisno od naloge):
  • Podnaloga 1: Young / Adult / Senior
  • Podnaloga 2: LowRisk / MediumRisk / HighRisk
  • Podnaloga 3: celo število
  • Podnaloga 4: verjetnost, da je loan_status = 1 (realno število 0–1)

Primer za customer_id = 9071:

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

Uspeh pri razvoju avtomatiziranega sistema za ocenjevanje posojil!

📊 Metrika ocenjevanja: ROC AUC 📈

Za Podnaloga 4 se ocenjevanje izvaja z uporabo ROC AUC (Area Under the ROC Curve).
To je edinstvena mera, ki povzema učinkovitost klasifikatorja za vse možne pragove odločitve.

Kako se izračuna ROC AUC?

1. Nariše se krivulja ROC, ki predstavlja:
   • TPR (True Positive Rate) - pravilna stopnja odobritve odobrenih vlog
   • FPR (False Positive Rate) - stopnja nepravilno odobrenih zavrnjenih vlog

2. Površina pod krivuljo (AUC) se izračuna z uporabo pravila trapezov:
   • Krivulja je razdeljena na trapeze z uporabo navpičnih črt pri vrednostih FPR in vodoravnih črt pri vrednostih TPR
   • Seštejejo se površine trapezov za pridobitev končne vrednosti AUC

3. Interpretacija rezultata:
   • ROC AUC = 1 🏆 → popoln klasifikator, vse vloge so pravilno klasificirane
   • ROC AUC = 0.5 🎲 → naključni klasifikator, brez napovedne moči
   • 0.5 < ROC AUC < 1 📈 → kako dobro klasifikator ločuje razrede