零基础入门金融风控-贷款违约预测之TASK1_赛题理解

赛题以预测用户贷款是否违约为任务，根据借款人的数据信息预测其违约概率，提交结果为每个测试样本是1的概率。评价方法为AUC评估模型效果（越大越好）。

赛题链接：https://tianchi.aliyun.com/competition/entrance/531830/information

1、数据概况

数据包含47列变量信息，其中15列为匿名变量，总数据量超过120w，为了保证比赛的公平性，将从中抽取80万条作为训练集，20万条作为测试集A，20万条作为测试集B，同时会对employmentTitle、purpose、postCode和title等信息进行脱敏。

针对现有的借款人未匿名数据信息，初步理解主要包括以下几个方面的信息：现有贷款基本信息、信贷额度相关信息、个人基本信息、个人资产负债信息、外部征信数据等。我们将利用这些数据来衡量借款人的偿还能力和还款意愿，预测违约概率。

2、评价标准——AUC

针对二分类问题，
TP：代表实际是正样本，预测成正样本的样本数。
FN：代表实际是正样本，预测成负样本的样本数。
TN：代表实际是负样本，预测成负样本的样本数。
FP：代表实际是负样本，预测成正样本的样本数。
设定X轴为假正率（FPR），即FP/(FP+TN)，表示负样本中预测错了（预测成了