数据挖掘实战-金融风控-赛题理解

1.赛题信息

赛题以预测用户贷款是否违约为任务，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

2.数据概况

3.评价标准

二、评测标准

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（越大越好）。

AUC（Area Under Curve）被定义为 ROC曲线 下与坐标轴围成的面积。

• ROC（Receiver Operating Characteristic） ROC空间将假正例率（FPR）定义为 X 轴，真正例率（TPR）定义为 Y 轴。
• 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。

                                                                                             

• 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。

                                                                                           

• AUC(Area Under Curve) AUC（Area Under Curve）被定义为 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。