金融风控-贷款违约预测-训练营 - Task1

最新推荐文章于 2023-12-12 20:02:58 发布

cc草长莺飞

最新推荐文章于 2023-12-12 20:02:58 发布

阅读量139

点赞数

本文链接：https://blog.csdn.net/weixin_47789143/article/details/116017269

版权

本文介绍了金融风控中贷款违约预测的挑战赛，讲解了赛题详情、数据挖掘流程，重点阐述了分类模型的评估指标，如混淆矩阵、精度、召回率、精确率、F1分数、ROC曲线、KS统计量和AUC，并讨论了模型的综合评估与调优。

摘要由CSDN通过智能技术生成

赛题解读：
赛题以金融风控中的个人信贷为背景，要求选手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，这是一个典型的分类问题。

分类模型：机器通过学习与训练已有的数据，从而预测新数据的类别。即找到一个函数，把观测值匹配到相关的类和标签上。
基本指标：
- 混淆矩阵
  （1）若一个实例是正类，并且被预测为正类，即为真正类TP(True Positive )
  （2）若一个实例是正类，但是被预测为负类，即为假负类FN(False Negative )
  （3）若一个实例是负类，但是被预测为正类，即为假正类FP(False Positive )
  （4）若一个实例是负类，并且被预测为负类，即为真负类TN(True Negative )
- 分类准确率（Accuracy）
  即所有分类中被正确分类的比例，也称识别率，不适合样本不均衡的情况。
  $\frac{TP + TN}{TP + TN + FP + FN}$ <

关注