Automatiserat system för utvärdering av lån

💼 Automatiserat system för bedömning av lån 💰

Moderna finansiella institutioner behandlar dagligen tusentals låneansökningar.
För att snabbt och korrekt besluta vem som är berättigad använder banker automatiserade system
baserade på riskmodeller.

Ett sådant system ska byggas av just dig. Du har fått tillgång till en
realistisk datamängd med kreditansökningar, tillsammans med deras godkännandehistorik.
Ditt mål är att utveckla en modell som kan utvärdera nya ansökningar som skickas in
av kunder.

Du har fått tillgång till två filer:

• train.csv - historiska ansökningar med det slutliga beslutet (loan_status)
• test.csv - nya ansökningar för vilka vi inte har något associerat beslut

Huvudsyfte: förutsägelse av en sannolikhet baserat på vilken vi kan klassificera varje ansökan som godkänd eller avvisad (en sannolikhet mellan 0 och 1, där 0 betyder att lånet säkert inte beviljas och 1 betyder att lånet säkert beviljas).

📊 Datamängden

Varje post representerar en låneansökan, med demografisk,
finansiell, beteendemässig information och detaljer om typen av kredit som ansöks om.

Huvudattribut:

• customer_id - unik identifierare
• 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 - endast i train.csv, etiketten att förutsäga

Det slutliga målet är att förutsäga loan_status för raderna i test.csv.

📝 Uppgifter

De första tre deluppgifterna kontrollerar förståelsen av datamängdens struktur.
Den sista deluppgiften utvärderar klassificeringsmodellen.

Deluppgift 1 (10 poäng)

Klassificera varje sökande från testmängden baserat på ålder:

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

Deluppgift 2 (15 poäng)

Bestäm risknivån baserat på debt_to_income_ratio:

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

Deluppgift 3 (15 poäng)

För varje rad i test, beräkna:

1total_obligations = current_debt + derogatory_marks + delinquencies_last_2yrs

Returnera ett heltal.

Deluppgift 4 (60 poäng)

Bygg en klassificeringsmodell som förutsäger loan_status (en sannolikhet p från [0,1]) för varje rad i test.

Utvärderingen görs med AUC (Area Under the ROC Curve).

🧮 Utvärdering

• AUC ≥ 0.95 → 60 poäng
• AUC ≤ 0.80 → 0 poäng
• Intervallet däremellan: proportionell poäng

Deluppgifter 1–3 utvärderas exakt (genom jämförelse).

📄 Format för inlämningsfilen

Filen submission.csv måste innehålla 4 rader för varje rad i test,
motsvarande de 4 deluppgifterna.

Struktur:

1subtaskID datapointID answer

där:

• subtaskID - 1, 2, 3 eller 4
• datapointID - värdet customer_id
• answer - som kan ha ett av följande värden (beroende på uppgift):
  • Deluppgift 1: Young / Adult / Senior
  • Deluppgift 2: LowRisk / MediumRisk / HighRisk
  • Deluppgift 3: heltal
  • Deluppgift 4: sannolikheten att loan_status = 1 (reellt tal 0–1)

Exempel för customer_id = 9071:

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

Lycka till med utvecklingen av det automatiserade systemet för bedömning av lån!

📊 Utvärderingsmått: ROC AUC 📈

För Deluppgift 4 görs utvärderingen med ROC AUC (Area Under the ROC Curve).
Detta är ett unikt mått som sammanfattar prestandan för en klassificerare för alla möjliga beslutströsklar.

Hur beräknas ROC AUC?

1. ROC-kurvan ritas, som representerar:
   • TPR (True Positive Rate) - korrekt godkännandefrekvens för godkända ansökningar
   • FPR (False Positive Rate) - frekvensen av felaktigt godkända avvisade ansökningar

2. Arean under kurvan (AUC) beräknas med trapetsregeln:
   • Kurvan delas in i trapetser med vertikala linjer vid FPR-värden och horisontella linjer vid TPR-värden
   • Trapetsernas areor adderas för att få det slutliga AUC-värdet

3. Tolkning av poängen:
   • ROC AUC = 1 🏆 → perfekt klassificerare, alla ansökningar klassificeras korrekt
   • ROC AUC = 0.5 🎲 → slumpmässig klassificerare, ingen prediktiv kraft
   • 0.5 < ROC AUC < 1 📈 → hur väl klassificeraren separerar klasserna