task01：赛题理解

零基础入门金融风控-贷款违约预测
task01：赛题理解

完全是好奇心驱使，在基本没有基础的情况下，看能不能通过一次课程（比赛）掌握机器学习的一般方法。我想，只要坚持到了最后，全程经历了这个过程，一定会有所成。

关于赛题理解，个人认为主要需要做三件事：

1. 阅读“赛题理解", 搞清楚要解决的是什么问题，以及基本的思路和方法；
2. 下载数据包，通过数据理解一下业务场景，并观察数据的基本特点；
3. 理解对于预测结果的评价标准，同时从评价标准反推，反过来进一步构思解决方法。

so，开始吧。
赛题理解其实在公开的链接中已经很清楚了，贴在这里：
https://github.com/datawhalechina/team-learning-data-mining/blob/master/FinancialRiskControl/Task1%20%E8%B5%9B%E9%A2%98%E7%90%86%E8%A7%A3.md

我摘录几个我认为重要的点：

• 任务是根据贷款申请人的数据信息预测其是否有违约的可能，意思是输入了贷款申请人相关的信息，则需要输出该贷款申请人违约的可能性
• 有47列变量，这些变量是否具有关联性，对预测的准确性影响权重如何，都需要探索
• 有80万条数据作为训练集，20万作为测试集，因此目标是通过80万数据训练生成一个模型，然后拿这20万数据带入模型跑一跑，得出这20万数据的结论
• 这是一个分类问题，这里已经定性为分类问题了，所以后续应该使用分类相关的算法

下载数据包，按赛题理解中的步骤，下载了3个csv文件，用pandas简单查看一下：


这些数据各变量的解释在这里：
https://github.com/datawhalechina/team-learning-data-mining/blob/master/FinancialRiskControl/Task1%20%E8%B5%9B%E9%A2%98%E7%90%86%E8%A7%A3.md#122-%E6%95%B0%E6%8D%AE%E6%A6%82%E5%86%B5

其实用df.info()也可以一目了解查看，相关的函数还有很多。下一步我会在task02做EDA（探索性数据分析）时在应用更多的函数和方法，来探索和理解数据。

理解对于预测结果的评价标准。
“竞赛采用AUC作为评价指标。AUC（Area Under Curve）被定义为 ROC曲线 下与坐标轴围成的面积。”
什么是AUC，什么又是ROC？混淆矩阵的真正、假正、真负、假负的理解是基础，下面贴一下：

重点是这里：ＲＯＣ空间将假正例率定义为Ｘ轴，将真正例率定义为Ｙ轴。一个正例，意思就是一个违约，风控模型必然对违约敏感（厌恶违约），因此要尽可能把所有的正例都找出来，哪怕是错判了也好（就减少可能发生的违约了）。不过也不能极端呀，要是把所有人都判为可能违约了，那生意也就不用做了。所以一定要把要违约的判准咯，也就是Ｙ轴（ＴＰＲ）一定要高，同时Ｘ轴（ＦＰＲ）要尽量低一些。
这是直观理解了，后面会越来越深入。
好了，先到这里，带着对后续的未知，打卡。