Datawhale&天池贷款违约预测——Task1赛题理解

Datawhale&天池贷款违约预测——Task1赛题理解

文章目录

1 赛题理解

贷款违约预测是赛题以金融风控中的个人信贷为背景，要求选手根据贷款申请人的数据信息预测其是否有违约的可能，以此判
断是否通过此项贷款，这是一个典型的分类问题。通过这道赛题来引导大家了解金融风控中的一些业务背景，解
决实际问题。

1.1 比赛目的

参加这次比赛目的就是入门金融风控的知识，增加知识储备。

1.2 赛题简要介绍

赛题以预测金融风险为任务，数据集报名后可见并可下载，该数据来自某信贷平台的贷款记录，总数据量超过
120w，包含47列变量信息，其中15列为匿名变量。为了保证比赛的公平性，将会从中抽取80万条作为训练集，20万条作为测试集A，20万条作为测试集B，同时会对employmentTitle、purpose、postCode和title等信息进行脱敏。
详细信息参考链接: 比赛链接.

1.3 相关评价指标

赛题最终评价指标提交结果为每个测试样本是1的概率，也就是y为1的概率。评价方法为AUC评估模型效果。
AUC定义为ROC曲线下方与坐标轴围成的面积。
AUC的取值范围在0.5和1之间。AUC越接近1.0，检测方法真实性越高;等于0.5时，则真实性最低，无应用价值。

1.4 分类算法常用的评价指标

1. 混淆矩阵
   若实例为正类，预测为正类，即为真正类（TP）
   若实例为正类，预测为负类，即为假负类（FN）
   若实例是负类，预测为正类，即为假正类（FP）
   若实例是负类，预测为负类，即为真负类（TN）

2. 准确率（accuracy）
   准确率是常用的一个评价指标，预测正确的样本数占总预测样本数的比值，不适合样本不均衡的情况。因为如果我们的正负样本数目差别很大，比如正样本1000个，负样本99000个，那么直接把所有的样本都预测为负， 准确率为99%，但是此分类模型实际性能是非常差的，因为它把所有正样本都分错了。
   $accuracy=TP+TN+FP$