数据挖掘实战——金融风控

赛题理解

比赛地址：比赛地址
数据集：train.csv和testA.csv，以及sample_submit.csv
数据项：47项变量信息，包含id、loanAmnt、term、interestRate、intsallment、grade、subGrade、employmentTitle、employmentLength、homeOwnership、annuallncome、verificationStatus、issueDate、purpose、postCode、regionCode、dti、delinquency_2years、ficoRangeLow、ficoRangeHigh、openAcc、pubRec、pubRecBankruptcies、revolBal、revolUtil、totalAcc、initialListStatus、applicationType、earliesCreditLine、title、policyCode、n系列匿名特征

指标回顾

数据分析常见指标

1. 混淆矩阵(Confuse Matrix)：真正类TP、假负类FN、假正类FP、真负类TN
2. 准确率：不适合样本不均衡的情况
   $$Accuracy=\frac{TP+TN}{TP+TN+FP+FN}$$
3. 精确率：正确预测为正样本(TP)占预测为正样本(TP+FP)的百分比
   $$Precision=\frac{TP}{TP+FP}$$
4. 召回率：正确预测为正样本(TP)占正样本(TP+FN)的百分比
   $$Recall=\frac{TP}{TP+FN}$$
5. F1 Score：权衡精准率Precision和召回率Recall
   $$F1-Score=\frac{2}{\frac{1}{Precision}+\frac{1}{Recall}}$$
6. P-R曲线(Precision-Recall Curve)
7. ROC(Receiver Operating Characteristic)
8. AUC(Area Under Curve)

金融预测类评估指标

1. KS(Kolmogorov-Smirnov)
   $$KS=max(TPR-FPR)$$

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