数据源
目标
- 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(越大越好)。
- 提交前请确保预测结果的格式与sample_submit.csv中的格式一致,以及提交文件后缀名为csv。
形式如下:
id,isDefault
800000,0.5
800001,0.5
800002,0.5
800003,0.5
数据说明
赛题以预测用户贷款是否违约为任务,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。
字段表
Field Description
id 为贷款清单分配的唯一信用证标识, string
loanAmnt 贷款金额, float, 如14000.0
term 贷款期限(year), int, 如3
interestRate 贷款利率, float, 10.99
installment 分期付款金额, float, 458.88
grade 贷款等级, string, B
subGrade 贷款等级之子级, string, B3
employmentTitle 就业职称, float, 7027.0
employmentLength 就业年限(年), string, 10+years
homeOwnership 借款人在登记时提供的房屋所有权状况, int, 0/1/2
annualIncome 年收入, float, 80000.0
verificationStatus 验证状态, int, 0/1/2
issueDate 贷款发放的月份, date, 2014-07-01
purpose 借款人在贷款申请时的贷款用途类别, int, 0/1/2/3/4
postCode 借款人在贷款申请中提供的邮政编码的前3位数字, float, 163.0
regionCode 地区编码, int, 21
dti 债务收入比, float, 10.56
delinquency_2years 借款人过去2年信用档案中逾期30天以上的违约事件数, float, 1.0
ficoRangeLow 借款人在贷款发放时的fico所属的下限范围, float, 715.0
ficoRangeHigh 借款人在贷款发放时的fico所属的上限范围, float, 719.0
openAcc 借款人信用档案中未结信用额度的数量, float, 17.0
pubRec 贬损公共记录的数量, float, 0.0/1.0
pubRecBankruptcies 公开记录清除的数量, float, 0.0/1.0
revolBal 信贷周转余额合计, float, 9864.0
revolUtil 循环额度利用率,或借款人使用的相对于所有可用循环信贷的信贷金额, float, 30.7
totalAcc 借款人信用档案中当前的信用额度总数, float, 29.0
initialListStatus 贷款的初始列表状态, int, 0/1
applicationType 表明贷款是个人申请还是与两个共同借款人的联合申请, int, 0/1
earliesCreditLine 借款人最早报告的信用额度开立的月份, date, Nov-1974
title 借款人提供的贷款名称, float, 5.0
policyCode 公开可用的策略_代码=1新产品不公开可用的策略_代码=2, int, 1/2
n系列匿名特征 匿名特征n0-n14,为一些贷款人行为计数特征的处理, n0-n14, float, 3.0
数据分析
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import datetime
import warnings
warnings.filterwarnings('ignore')
#显示所有列
pd.set_option('display.max_columns', None)
#显示所有行
pd.set_option('display.max_rows', None)
data_train = pd.read_csv('./datas/train.csv')
data_test_a = pd.read_csv('./datas/testA.csv')
print(data_train.head())
print(data_train.shape)
print(data_test_a.head())
print(data_test_a.shape)
print(data_train.info())