LR制作评分卡

LR制作评分卡

1.项目背景

评分卡是一种以分数形式来衡量一个客户的信用风险大小的手段，主要是用来衡量向别人借钱的人（受信人，需要融资的公司）不能如期履行合同中的还本付息责任，并让借钱给别人的人（授信人，银行等金融机构）造成经济损失的可能性。一般来说，评分卡打出的分数越高，客户的信用越好，风险越小。
通常有”四张卡“来评判个人的信用程度：A卡，B卡，C卡和F卡。
本项目主要是制作A卡（即申请者评级模型），用来判断金融机构是否应该借钱给一个新用户，如果这个人的风险太高，我们可以拒绝贷款。
数据来源：数据来自Kaggle，下载地址https://www.kaggle.com/c/GiveMeSomeCredit/data

2.模型开发

2.1数据探索与预处理

变量名	描述
SeriousDlqin2yrs	出现 90 天或更长时间的逾期行为，用来定义好坏客户
RevolvingUtilizationOfUnsecuredLines	贷款以及信用卡可用额度与总额度比例
age	借款人借款年龄
NumberOfTime30-59DaysPastDueNotWorse	过去两年内出现35-59天逾期但是没有发展得更坏的次数
DebtRatio	负债比率（每月偿还债务，赡养费，生活费用除以月总收入）
MonthlyIncome	月收入
NumberOfOpenCreditLinesAndLoans	开放式贷款和信贷数量
NumberOfTimes90DaysLate	过去两年内出现90天逾期或更坏的次数
NumberRealEstateLoansOrLines	抵押贷款和房地产贷款数量，包括房屋净值信贷额度
NumberOfTime60-89DaysPastDueNotWorse	过去两年内出现60-89天逾期但是没有发展得更坏的次数
NumberOfDependents	家庭中不包括自身的家属人数（配偶，子女等)

2.1.1去除重复值

可能因人为输入重复，或者系统录入重复，会存在的一个问题就是样本重复，从而必须对数据进行去重处理

#去除重复值并恢复索引
data.drop_duplicates(inplace=True)
data.reset_index(inplace=True)

2.1.2填补缺失值

#探索缺失值
data.info()
data.isna().sum()/data.shape[0]
#发现需要填补的特征是“MonthlyIncome”和“NumberOfDependents”。
#“NumberOfDependents”缺失很少，仅缺失了大约2.5%，可以填补或者删除。
#“MonthlyIncome”缺失了约20%，“MonthlyIncome”是一个对信用评分来说很重要的因素，需要进行填补

#使用均值填补“NumberOfDependents”的缺失值
data["NumberOfDependents"].fillna(int(data["NumberOfDependents"].mean()),inplace=True)

#使用随机森林填补“MonthlyIncome”的缺失值
def RF_fill_na(x,y,fill_col):
    """
    x:特征矩阵
    y:标签
    fill_col:需要填充的列名
    """
     #构造新的特征列和标签列
    df = x.copy()
    label_new = df.loc[:,fill_col]
    df = pd.concat([df.loc[:,df.columns != fill_col], pd.DataFrame(y)],axis=1)
    
    #训练集和测试集
    y_train =  label_new[label_new.notnull()]
    y_test = label_new[label_new.isnull()]
    x_train = df.iloc[y_train.index,:]
    x_test = df.iloc[y_test.index,:]
    
    #填补缺失值
    from sklearn.ensemble import RandomForestRegressor as rfr
    rfr = rfr(n_estimators=100).fit(x_train, y_train)
    y_predict = rfr.predict(x_test)
    return y_predict

x = data.iloc[:,1:]
y = data["SeriousDlqin2yrs"]
y_pred = RF_fill_na(x,y,"MonthlyIncome")
data.loc[data.loc[:,"MonthlyIncome"]