Datawhale组队学习--数据挖掘实战-金融风控Day1

金融风控比赛Day1

 

了解数据概况

1. 了解有哪些数据字段；
2. 各个数据字段含义；
3. 各个数据字段的类型；

 

了解比赛的预测指标

AUC作为评价指标

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。

 

分类算法常见评估指标

1.混淆矩阵

• 若一个实例是正类，并且被预测为正类，即为真正类TP(True Positive )
• 若一个实例是正类，但是被预测为负类，即为假负类FN(False Negative )
• 若一个实例是负类，但是被预测为正类，即为假正类FP(False Positive )
• 若一个实例是负类，并且被预测为负类，即为真负类TN(True Negative )

2.准确率

• （Accuracy） 准确率是常用的一个评价指标，但是不适合样本不均衡的情况。

 

3.精确率

• （Precision） 又称查准率，正确预测为正样本（TP）占预测为正样本(TP+FP)的百分比。

 

4.召回率

• （Recall） 又称为查全率，正确预测为正样本（TP）占正样本(TP+FN)的百分比。

 

5.F1 Score

• 精确率和召回率是相互影响的，精确率升高则召回率下降，召回率升高则精确率下降，如果需要兼顾二者，就需要精确率、召回率的结合F1 Score。

 

7.ROC（Receiver Operating Characteristic）

• ROC空间将假正例率（FPR）定义为 X 轴，真正例率（TPR）定义为 Y 轴。

•     TPR：在所有实际为正例的样本中，被正确地判断为正例之比率。

 

•     FPR:   在所有实际为负例的样本中，被错误地判断为正例之比率。

 

 

6.P-R曲线

• （Precision-Recall Curve） P-R曲线是描述精确率和召回率变化的曲线

 

7.AUC(Area Under Curve)

• AUC（Area Under Curve）被定义为 ROC曲线 下与坐标轴围成的面积，显然这个面积的数值不会大于1。又由于ROC曲线一般都处于y=x这条直线的上方，所以AUC的取值范围在0.5和1之间。AUC越接近1.0，检测方法真实性越高;等于0.5时，则真实性最低，无应用价值。

 

对于金融风控预测类常见的评估指标如下:

1.KS（(Kolmogorov-Smirnov) ）

 

KS统计量由两位苏联数学家A.N. Kolmogorov和N.V. Smirnov提出。在风控中，KS常用于评估模型区分度。区分度越大，说明模型的风险排序能力（ranking ability）越强。 K-S曲线与ROC曲线类似，不同在于ROC曲线将真正例率和假正例率作为横纵轴K-S曲线将真正例率和假正例率都作为纵轴，横轴则由选定的阈值来充当。  KS不同代表的不同情况，一般情况KS值越大，模型的区分能力越强，但是也不是越大模型效果就越好，如果KS过大，模型可能存在异常，所以当KS值过高可能需要检查模型是否过拟合。以下为KS值对应的模型情况，但此对应不是唯一的，只代表大致趋势。

 

2.ROC

3.AUC

 

经验总结

• 在开始比赛之前要对赛题进行充分的了解。
• 比赛什么时候开始，什么时候结束，什么时候换B榜数据。
• 和该比赛有没有类似的比赛可以参考借鉴。
• 线上提交结果的次数往往是有限的，提前了解每日可以提交的次数。
• 比赛使用的是什么评价指标，可以选择相同的评价指标作为线下验证的方式。

拓展：评分卡

评分卡是一张拥有分数刻度会让相应阈值的表。信用评分卡是用于用户信用的一张刻度表。评分卡是金融风控中常用的一种对于用户信用进行刻画的手段哦！