金融风控训练营-Task 01赛题理解
本学习笔记为阿里云天池金融风控训练营 Task 01的学习内容
学习链接为: 阿里云天池金融风控训练营.
一、学习知识点概要
通过Task01的学习,主要理解以下内容:
1.赛题内容
2.分类算法常见的评估指标
3.金融风控预测类常见的评估指标
二、学习内容
1.赛题及数据概况
- 本次比赛要求
以预测金融风险为任务,根据给定的数据集,建立模型,预测金融风险。主要通过自主学习和练习,共同提升学习能力。
2.分类算法常见的评估指标
1.混淆矩阵(Confuse Matrix)
- 混淆矩阵,又称为可能性矩阵或错误矩阵。可以用一个简单的表格对混淆矩阵进行呈现。
- 所有正确的预测结果都在对角线上,所以从混淆矩阵中可以很方便直观的看出哪里有错误,因为他们呈现在对角线外面。
从混淆矩阵中,可以得到以下更高级的分类指标。
2.准确率(Accuracy)
A
c
c
u
r
a
c
y
=
T
P
+
T
N
T
P
+
T
N
+
F
P
+
F
N
Accuracy=\frac{TP+TN}{TP+TN+FP+FN} \quad
Accuracy=TP+TN+FP+FNTP+TN
- 含义:判断正确的结果占总观测值的比重。
- 一般情况下,模型的精度越高,说明模型的效果越好。
- 不适合样本不均衡的情况。
3.精确率(Precision)
P
r
e
c
i
s
i
o
n
=
T
P
T
P
+
F
P
Precision=\frac{TP}{TP+FP} \quad
Precision=TP+FPTP
- 含义:正确预测为正样本占预测为正样本的比重。又称查准率。
- 一般情况下,模型的查准率越高,说明模型的效果越好。
4.召回率(Recall)
R
e
c
a
l
l
=
T
P
T
P
+
F
N
Recall=\frac{TP}{TP+FN} \quad
Recall=TP+FNTP
- 含义:正确预测为正样本占正样本的百分比。又称查全率。
- 一般情况下,召回率越高,说明有更多的正样本被模型预测正确,模型的效果越好。
5.F1 Score
F 1 − S c o r e = 2 1 P r e c i s i o n + 1 R e c a l l F1-Score=\frac{2}{ \quad {1\over Precision}+{1\over Recall}} \quad F1−Score=Precision1+Recall12
- 精确率和召回率是一对矛盾的指标。一般来说,精确率高时,召回率往往偏低;而召回率高时,精确率往往偏低。如果需要兼顾二者,就需要精确率、召回率的结合,即F1 Score
6.P-R曲线(Precision-Recall Curve)
- 通过选择合适的阈值(比如K%)对样本进行合理的划分,概率大于K%的样本为正例,小于K%的样本为负例,样本分类完成后计算相应的精准率和召回率,最后我们会得到对应关系。
7.ROC(Receiver Operating Characteristic)
- 假正例率(FPR)定义为 X 轴,真正例率(TPR)定义为 Y 轴。
先引入: - 灵敏度(Sensitivity) = TP/(TP+FN) = 召回率
- 特异度(Specificity) = TN/(FP+TN)
导出:
- 真正例率(TPR) = 灵敏度 = TP/(TP+FN)
- 假正例率(FPR) = 1- 特异度 = FP/(FP+TN)
8.AUC(Area Under Curve)
- AUC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。
- 所以,AUC的值越大,当前的分类算法越有可能将正样本排在负样本值前面,既能够更好的分类。
3.金融风控预测类常见的评估指标
1.KS(Kolmogorov-Smirnov)
- 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。
- 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。具体如下:
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 |
三、学习问题与解答
-
Q:为何假正例率(FPR) = (1- 特异度) 中,要用(1-特异度)表示,而不是直接采用特异度?
-
A:由于我们比较关心正样本,所以需要查看有多少负样本被错误地预测为正样本,所以使用(1-特异度),而不是特异度。从而得到TPR和FPR.
四、学习思考与总结
通过学习各项评估指标,可知每一个指标都有各自的优缺点,我们在进行数据分析是不能单方面地只看某一种指标,而是要全方位思考。指标之间互相结合,才能得出更优的结论。
在学习过程中,遇到问题首先要认真思考并查找相关资料,之后还是不能明白的再向同学和老师寻求帮助。不要一遇到不懂的问题就觉得需要别人的帮助,失去了自己思考的能力。
- 本文引用:
1.分类模型评判指标-混淆矩阵
2.机器学习笔记-混淆矩阵
3.PR曲线
4.ROC及AUC计算方法及原理