车辆贷款违约预测

1. 案例介绍¶

国内某贷款机构的车贷业务面临借款人拖欠还款或拒不还款，导致该机构的不良贷款率居高不下的问题。该机构将部分贷款数据开放，诚邀大家帮助他们建立风险识别模型来预测可能违约的借款人（敏感信息已脱敏）

• 给定某机构实际业务中的相关借款人信息，包含53个与客户相关的字段
• 其中loan_default字段表明借款人是否会拖欠付款
• 任务目标是通过训练集训练模型，来预测测试集中loan_default字段的具体值，即借款人是否会拖欠付款，以此为依据，降低贷款风险。

2. 数据集介绍¶

customer_id 客户标识符

main_account_loan_no 主账户申请贷款数量

main_account_active_loan_no 主账户申请的有效贷款数量

main_account_overdue_no 主账号逾期数量

main_account_outstanding_loan 主账户未偿还的贷款余额

main_account_sanction_loan 主账户所有贷款被批准的贷款金额

main_account_disbursed_loan 主账户所有贷款已发放的贷款金额

sub_account_loan_no 二级账户申请贷款数量

sub_account_active_loan_no 二级账户申请的有效贷款数量

sub_account_overdue_no 二级账户逾期数量

sub_account_outstanding_loan 二级账户未偿还的贷款金额

sub_account_sanction_loan 二级账户所有贷款被批准的贷款金额

sub_account_disbursed_loan 二级账户所有贷款已发放的贷款金额

disbursed_amount 已发放贷款金额

asset_cost 资产成本

branch_id 发放贷款的分行

supplier_id 发放贷款的车辆经销商

manufacturer_id 汽车制造商

year_of_birth 客户出生日期

disbursed_date 贷款日期

area_id 付款区域

employee_code_id 记录付款的对接员工

mobileno_flag 是否填写手机号

idcard_flag 是否填写身份证

Driving_flag 是否出具驾驶证

passport_flag 是否填写护照

credit_score 信用评分

main_account_monthly_payment 主账户月供金额

sub_account_monthly_payment 二级账户的月供金额

last_six_month_new_loan_no 过去六个月客户的新贷款申请数量

last_six_month_defaulted_no 过去六个月客户的违约数量

average_age 平均贷款期限

credit_history 信用记录

enquirie_no 客户查询贷款次数

loan_to_asset_ratio 贷款与资产比例

total_account_loan_no 所有账户申请的活跃贷款数量

main_account_inactive_loan_no 主账户申请的无效贷款数量

sub_account_inactive_loan_no 二级账户申请的无效贷款数量

total_inactive_loan_no 所有账户申请的无效贷款数量

total_overdue_no 所有账户的逾期次数

total_outstanding_loan 所有账户的未结余额的总额

total_sanction_loan 来自所有账户的所有贷款被批准的贷款金额

total_disbursed_loan 为所有账户的所有贷款支付的贷款金额

total_monthly_payment 所有账户的月供金额

outstanding_disburse_ratio 已发放贷款总额/未偿还贷款总额（两者比例）

main_account_tenure 主账户还款期数

sub_account_tenure 二级账户还款期数

disburse_to_sactioned_ratio 已发放贷款/批准贷款（两者比例）

active_to_inactive_act_ratio 有效贷款次数/无效贷款次数（两者比例）

Credit_level 信用评分

employment_type 工作类型

age 年龄

loan_default 1表示客户逾期，0表示客户未逾期

3. 案例实现¶

import joblib
from sklearn.ensemble import RandomForestClassifier
import pandas as pd
from sklearn.model_selection import train_test_split
import joblib
import numpy as np
from imblearn.over_sampling import SMOTE
from collections import Counter


pd.set_option('display.max_columns', None)
pd.set_option('display.max_rows', None)
pd.set_option('display.width', 1000)


if __name__ == '__main__':

    # 1. 加载数据集
    data = pd.read_csv('data/车辆贷款违约预测.csv')

    # 2. 数据基本处理
    # 删除指定某些列
    data = data.drop(['customer_id', 'disbursed_date'], axis=1)
    # 有些特征中的数据使用 inf 标记, 需要删除
    inf_names = []
    for name in data.columns:
        if np.any(np.isinf(data[name])):
            inf_names.append(name)

    for name in inf_names:
        # 获得包含 inf 的行索引
        inf_ids = data[data[name] == np.inf].index
        # 删除索引对应的数据
        data = data.drop(inf_ids)

    # 3. 特征值和目标值
    x = data.iloc[:, :-1].astype(np.float64)
    y = data.iloc[:, -1]

    # 4. 类别不平衡数据处理
    print('各类别数据比例:', Counter(y))
    x, y = SMOTE(random_state=42).fit_resample(x, y)
    print('各类别数据比例:', Counter(y))

    # 5. 数据集分割
    x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2, stratify=y, random_state=22)

    # 6. 随机森林训练和存储
    # 随机森林训练 0.89
    estimator = RandomForestClassifier(n_estimators=500,oob_score=True, random_state=22)
    # AdaBoost训练
    # estimator = AdaBoostClassifier(n_estimators=500, random_state=22)
    print('训练数据形状:', x_train.shape)
    estimator.fit(x_train, y_train)
    # 保存模型
    joblib.dump(estimator, 'model/random_forest.pth')

    # 7. 模型预测
    from sklearn.metrics import classification_report
    accurary = estimator.score(x_test, y_test)
    print('OOB:', estimator.oob_score_)
    print('ACC:', accurary)

    # 打印精度、召回率、f1-score、accuracy
    print(classification_report(y_true=y_test, y_pred=estimator.predict(x_test)))