Автоматизована система оцінки позик

💼 Автоматизована система оцінки позик 💰

Сучасні фінансові установи щодня обробляють тисячі заявок на позики.
Щоб швидко та правильно вирішити, хто є кваліфікованим, банки використовують автоматизовані системи
на основі моделей ризику.

Така система має бути побудована саме тобою. Ти отримав доступ до реалістичного набору
даних з кредитними заявками разом з їх історією схвалення.
Твоя мета - розробити модель, яка зможе оцінювати нові запити, надіслані
клієнтами.

Тобі надано два файли:

• train.csv - історичні запити з остаточним рішенням (loan_status)
• test.csv - нові запити, для яких у нас немає пов'язаного рішення

Основна мета: прогнозування ймовірності, на основі якої ми можемо класифікувати кожен запит як схвалений або відхилений (ймовірність між 0 та 1, де 0 означає, що позика точно не надається, а 1 означає, що позика точно надається).

📊 Набір даних

Кожен запис представляє заявку на позику з демографічною,
фінансовою, поведінковою інформацією та деталями про тип запитуваного кредиту.

Основні атрибути:

• customer_id - унікальний ідентифікатор
• 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 - тільки в train.csv, мітка для прогнозування

Кінцева мета - передбачити loan_status для рядків з test.csv.

📝 Завдання

Перші три підзавдання перевіряють розуміння структури набору даних.
Останнє підзавдання оцінює модель класифікації.

Підзавдання 1 (10 балів)

Класифікуйте кожного заявника з тестового набору за віком:

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

Підзавдання 2 (15 балів)

Визначте рівень ризику на основі debt_to_income_ratio:

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

Підзавдання 3 (15 балів)

Для кожного рядка з тесту обчисліть:

1total_obligations = current_debt + derogatory_marks + delinquencies_last_2yrs

Поверніть ціле число.

Підзавдання 4 (60 балів)

Побудуйте модель класифікації, яка прогнозує loan_status (ймовірність p з [0,1]) для кожного рядка з тесту.

Оцінювання проводиться за допомогою AUC (Area Under the ROC Curve).

🧮 Оцінювання

• AUC ≥ 0.95 → 60 балів
• AUC ≤ 0.80 → 0 балів
• Інтервал між ними: пропорційний бал

Підзавдання 1–3 оцінюються точно (шляхом порівняння).

📄 Формат файлу подання

Файл submission.csv повинен містити по 4 рядки для кожного рядка з тесту,
що відповідають 4 підзавданням.

Структура:

1subtaskID datapointID answer

де:

• subtaskID - 1, 2, 3 або 4
• datapointID - значення customer_id
• answer - може мати одне з наступних значень (залежно від завдання):
  • Підзавдання 1: Young / Adult / Senior
  • Підзавдання 2: LowRisk / MediumRisk / HighRisk
  • Підзавдання 3: ціле число
  • Підзавдання 4: ймовірність того, що loan_status = 1 (дійсне число 0–1)

Приклад для customer_id = 9071:

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

Успіхів у розробці автоматизованої системи оцінки позик!

📊 Метрика оцінювання: ROC AUC 📈

Для Підзавдання 4 оцінювання проводиться за допомогою ROC AUC (Area Under the ROC Curve).
Це унікальна міра, яка узагальнює продуктивність класифікатора для всіх можливих порогів рішення.

Як обчислюється ROC AUC?

1. Будується крива ROC, яка представляє:
   • TPR (True Positive Rate) - правильна частота схвалення схвалених заявок
   • FPR (False Positive Rate) - частота неправильно схвалених відхилених заявок

2. Площа під кривою (AUC) обчислюється за допомогою правила трапецій:
   • Крива ділиться на трапеції, використовуючи вертикальні лінії при значеннях FPR та горизонтальні лінії при значеннях TPR
   • Додаються площі трапецій для отримання кінцевого значення AUC

3. Інтерпретація балу:
   • ROC AUC = 1 🏆 → ідеальний класифікатор, всі заявки класифіковані правильно
   • ROC AUC = 0.5 🎲 → випадковий класифікатор, без прогностичної сили
   • 0.5 < ROC AUC < 1 📈 → наскільки добре класифікатор розділяє класи