零基础入门金融风控-贷款违约预测-task1

赛题链接地址
进度安排

赛题理解

赛题数据

赛题以预测用户贷款是否违约为任务，数据集报名后可见并可下载，该数据来自某信贷平台的贷款记录，总数据量超过120w，包含47列变量信息，其中15列为匿名变量。为了保证比赛的公平性，将会从中抽取80万条作为训练集，20万条作为测试集A，同时会对employmentTitle、purpose、postCode和title等信息进行脱敏。

数据文件
sample_submit.csv
testA.csv
train.csv

评测标准

提交结果为每个测试样本是1的概率，也就是y为1的概率。评价方法为AUC评估模型效果（越大越好）。

结果提交

提交前请确保预测结果的格式与sample_submit.csv中的格式一致，以及提交文件后缀名为csv。

形式如下：

id,isDefault
800000,0.5
800001,0.5
800002,0.5
800003,0.5

操作

读取数据

训练集：

import pandas as pd
#在线数据 无需下载
train_url='http://aliyuntianchiresult.cn-hangzhou.oss.aliyun-inc.com/file/race/documents/531830/train.csv?Expires=1599954909&OSSAccessKeyId=LTAILBoOl5drlflK&Signature=tu3%2F%2FkRQzmC%2BFvVx2Zezu%2FoIzpI%3D&response-content-disposition=attachment%3B%20'

#离线数据 可提前下载好
#train_url='D:/tianchi/train.csv'
train=pandas.read_csv(train_url, index_col='id')

测试集：

import pandas as pd
#在线数据 无需下载
testA_url='http://aliyuntianchiresult.cn-hangzhou.oss.aliyun-inc.com/file/race/documents/531830/testA.csv?Expires=1599955258&OSSAccessKeyId=LTAILBoOl5drlflK&Signature=O25NvtTQu0Onw6eVIBeWYvByqlk%3D&response-content-disposition=attachment%3B%20'

#离线数据 可提前下载好
# testA_url='D:/tianchi/testA.csv'
testA=pandas.read_csv(testA_url, index_col='id')

有些字段维度为非数值类型，如employmentLength，后期需处理为数值型字段。