本文探讨了如何使用AI技术进行金融风险控制，重点在于预测用户违约。通过对用户信息的分析，包括基本信息、地域信息和社交信息，构建预测模型。介绍了特征工程的处理方法，如处理缺失值、二值化城市特征、字符串清洗和衍生特征创建。此外，讨论了特征选择和模型评估，使用AUC作为主要评估标准，并针对样本不平衡问题提出了过采样和欠采样的解决方案。
一、问题定义
金融的核心是风险控制。自然而然地，AI的主战场也变成了如何使用AI技术精准的做风险控制。
在风控领域，有一个很重要的问题是：如何通过用户的信息来判断用户的逾期与否？
我们通过收集用户的基本信息、地域信息、社交信息等来判断一个人的逾期概率。
我们的问题是：基于用户相关的信息来预测此用户是否违约。
数据如下：https://www.kesci.com/home/competition/56cd5f02b89b5bd026cb39c9/content/1
二、ROC与AUC
特征工程：
第一、很多特征存在大量的缺失值。那这些特征怎么办呢？ 删掉呢，还是保留呢？ 如果删掉，什么样的特征需要删掉呢？
对于此问题，我们可以设计一些规则。比如我们总共有100个样本，如果一个特征在超过60%以上的样本上都是NAN，可以删掉这个特征。具体的阈值可以通过可视化的方式来选择的。
第二、样本本身具有大量的缺失值。对于这个问题在第一部分也说过一次。一个简单的处理方式是：假如一个样本包含了超过50%以上的值为NAN，可以删掉此样本。
第三、在数据中有一些关于城市的数，而且城市本身对于逾期率还是有着很强的相关性。
比如某些地区的借款人，逾期率就会比其他地区的人高。所以这个特征本身是有价值的。但是除了头部几个城市跟逾期率有很大关系，剩下的许许多多城市倒是没有太大的关系。
对于这样的特征我们可以采用二值化的处理。举个例子，如果我们发现城市A，城市B，城市C, 城市D的逾期率较高。那么，我们可以
最低0.47元/天 解锁文章
扫一扫
971
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
