1.1 学习目标
1.2 了解赛题
1.2.1 赛题概述
根据给定的平台个人贷款数据集,建立模型,判断其是否有信贷违约的可能,预测金融风险。
1.2.2 数据概况
比赛界面会有对应的数据概况介绍,说明
1.2.3 预测指标
1、混淆矩阵(Confuse Matrix)
(1)若一个实例是正类,并且被预测为正类,即为真正类TP
(2)若一个实例是正类,但是被预测为负类,即为假负类FN
(3)若一个实例是负类,但是被预测为正类,即为假正类FP
(4)若一个实例是负类,并且被预测为负类,即为真负类TN
(结果与事实相符为:真类;结果与事实不符为:假类 字母记忆:真为T,假为F,正负分别是PN)
(第一个字母表示算法预测的对错,T表示正确,F表示错误;第2个字母表示算法预测的结果,P表示正例,N表示负例)
2、准确率(不适合样本不均匀的情况)
Accuracy=(TP+TN)/(TP+FN+FP+TN) TP,TN是正确的情况
3、精确率(查准率 正类中的真占比)
Precision=TP/(TP+FP)
4、召回率(查全率 真类中的正占比)
Recall=TP/(TP+TN)
5、F1 Score(精确率和召回率相互影响,变化趋势是相反的 所以用F1 Score综合分析)
F1 Score=2/(1/Precision+1/Recall)
6、
精确率和召回率的分子相同,分母不同,用P-R曲线可以描绘他们的变化关系
我们判断用户的好坏,需要先定义一个判断标准(专业名词:阀值),比如我们定义这个标准为0.5,认为小于0.5的认为是好用户,
那大于0.5的是不好的,每个标准(阈值)都有对应的精确率和召回率
7、ROC:将假正例率(FPR)定义为 X 轴,真正例率(TPR)定义为 Y 轴
FPR:在所有实际为负例的样本中,被错误地判断为正例之比率=FP/(FP+TN)
TPR:在所有实际为正例的样本中,被正确地判断为正例之比率=TP/(TP+FN)
AUC是定义为 ROC曲线 下与坐标轴围成的面积,显然这个面积的数值不会大于1。又由于ROC曲线一般都处于
y=x这条直线的上方,所以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
金融风控预测类常见的评估指标
1、KS常用于评估模型区分度。区分度越大,说明模型的风险排序能力越强。 K-S曲线与ROC曲线类似,不同在于
ROC曲线将真正例率和假正例率作为横纵轴
K-S曲线将真正例率和假正例率都作为纵轴,横轴则由选定的阈值来充当。 公式如下:KS=max(TPR−FPR)KS=max(TPR−FPR)KS不同代表的不同情况,一般情况KS值越大,模型的区分
能力越强,但是也不是越大模型效果就越好,如果KS过大,模型可能存在异常,所以当KS值过高可能需要检查模型是否过拟合。以下为KS值对应的模型情况,但此对应不是唯一的,只代
表大致趋势。
KS(%) | 好坏区分能力 |
---|---|
20以下 | 不建议采用 |
20-40 | 较好 |
41-50 | 良好 |
51-60 | 很强 |
61-75 | 非常强 |
75以上 | 过于高,疑似存在问题 |
2、ROC
3、AUC
1.2.4 赛题流程
1.3 代码展示
1.3.1 读取数据
还是直接下载吧
数据概述还是要自己记住的,这样分析操作起来会方面很多的
1.3.2 分类指标评价计算实例
问题:1、除了y_pred和y_true两行其实的代码对于分析计算而言是固定的吗?
2、混淆矩阵 accuracy Precision,Recall,F1-score P-R曲线 ROC曲线 AUC KS值(在实际操作时往往使用ROC曲线配合求出KS值)这些代码区域中y_pred和y_true的
哪些数值是怎么来的?
1.4 经验总结