租赁风控模型之决策树

前言：基于（手机类目风控因子表），对用户租赁数据进行业务分析、用户画像、多维变量和相关性分析。数据分析的最终目的是赋能于业务，在租赁场景中最直接的体现是：通过数据判断，用户中哪些是good用户，哪些是bad用户，他们都有什么共性和异性。通过决策树建模分析后，如果新用户租赁时，根据授权填写的各项信息，进行判断该用户是good用户还是bad用户，应不应该给予租赁。

1. 数据预处理

• 对数据进行常规的处理，包括：导入数据分析相关的包、可视化包、防止出现中文乱码、备份原有warnings过滤器、读取文件、查看缺失率大于10%的列、删除字段、字段重命名忽略、缺失值处理以及对数据字段进行编码等。

• 因为这里利用决策树，在此租赁场景设定只有“可租赁”和“不可租赁”两个选择，结果为二分类。目标变量为“是否m21”（是否逾期/是否租赁），对其进行编码：定义pass(可租赁/不逾期)为0，reject（不可租赁/逾期）为1。
  
  

2. 业务分析

a. 租赁业务分析

i. 订单月份交易量与商品押金变化走势

• 从图中看出，交易量和商品押金成正相关，商品押金随交易量的变化而变化。

b. 商品押金与期数天数分布

i. 商品押金分布

• 从图中看出，商品押金范围多集中在400-800元，中位数在600左右。

c. 逾期状态分布

i. 每月好坏用户分布情况