一、学习知识点概要
针对赛题进行理解分析
了解数据概况
学习混淆矩阵概念
准备率、精确率、召回率、F1-Score、P-R曲线、ROC空间以及金融风控预测类常见的评估指标。
二、学习内容
在task1中了解到了本次赛事的赛题理解:以金融风控中的个人信贷位背景,要求根据贷款申请人的数据信息预测其是否有违约的可能,以此判断是否通过此项贷款。
这是一个分类问题!
数据方面了解到 以预测金融风险为任务 数据集总数超过120w,包含47列变量信息,其中15列为匿名变量 抽取80w条作为训练集,20w条作为测试集A,20w作为测试集B。
匿名特征:就是未告知数据列所属的性质的特征列。
学习了trian csv.以及他们所表示的翻译意思,比如:id 为贷款清单分配的唯一信用证标识 issueDate 贷款发放的月份
学习AUC(Area Under Curve)其被定义为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。
1、学习混淆矩阵概念:
* (1)实例+,被预测为+,真正类(TP);
* (2)实例+,被预测为—,假负类(FN);
* (3)实例—,被预测为+,假正类(FP);
* (4)实例—,被预测为—,真负类(TN)。
三、学习问题与解答
1、在今天的学习中,重点难点在于AUC的定义以及对图表的理解;
解答:在百度百科中查询得知: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。并且能观察其图表所表示的意思:
2、另外涉及公式内容部分难以理解,比如在F1-Score中P R曲线之间的相互影响
解答: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。
四、学习思考与总结
之前的我对金融风控领域或者DSW在线编程没有过多的了解,是一个完全的小白。虽然因此的学习过程比较艰难,不过坚持下来后
“柳暗花明又一村”的感觉让我回味。
今天只是一个开始!