金融风控-贷款违约预测-训练营 - Task1

一、学习知识点概要

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。
  $\frac{TP + TN}{TP + TN + FP + FN}$
- 召回率-Recall（也称灵敏率、真正例识别率）召回率的含义是指：正确识别的正例个数在实际为正例的样本数中的占比
  $\frac{TP}{TP + FN}$
- 精确率（Precision）
  精确率的含义是指：预测为真的正样本占所有预测为正样本的比例。
  $\frac{TP}{TP + FP}$
- F度量（F1分数或者F分数）
  F度量是是基于以上度量（精确率和召回率）衍生的计算指标，具体计算公式如下：
  $\frac{2}{\frac{1}{Precision} + \frac{1}{Recall}}$
- 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
金融风控中分类模型的常用综合评估指标：

全称为 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。
$\ TRP=\frac{TP}{TP + FN}$
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。
$\ FPR = \frac{FP}{FP + TN}$

全称为 Kolmogorov-Smirnov统计量，基于经验累积分布函数，是一种非参数的统计检验方法，用于评估模型区分度。一般来说，KS值越大，模型的区分度越好，模型的风险排序能力越强。但也不是说越大越好，过大可能说明存在异常。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。计算公式如下：
$\ KS=max(TPR-FPR)$
一般的评判标准如下：

全称为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。

模型的评判指标有多个，却也不是所有的指标都合适。模型需要综合合适的指标才能得出恰当的评估值
第一次接触这方面的东西，一时间有些束手无策，看的云里雾里。随着学习的深入，渐渐的可以拨开云雾见天日，看着自己认真做的笔记有满满的成就感。希望接下来可以继续努力，做好每一次学习
越学习就越发现自己的知识面之狭隘，需要学更多的东西扩展自己的知识面