天池金融风控数据挖掘task1

1.赛题理解

赛题以预测金融风险为任务，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，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。

2.赛题流程

3. 评价指标

3.1 分类算法常用

1）混淆矩阵、2）准确率（Accuracy）、精确率（Precision）、召回率（Recall）
3）F1指数、4）P-R曲线、5）AUC（包围的面积）、6）ROC（真正例率和假正例率作为横纵轴）

3.2 金融风控主题预测常用

1）KS(Kolmogorov-Smirnov)
K-S曲线与ROC曲线类似，不同在于

1. ROC曲线将真正例率和假正例率作为横纵轴
2. 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。
   公式如下：
   KS = max(TPR - FPR)
   KS不同代表的不同情况，一般情况KS值越大，模型的区分能力越强，但是也不是越大模型效果就越好，如果
   KS过大，模型可能存在异常，所以当KS值过高可能需要检查模型是否过拟合。以下为KS值对应的模型情况，
   但此对应不是唯一的，只代表大致趋势。
3. KS值<0.2,一般认为模型没有区分能力。
4. KS值[0.2,0.3],模型具有一定区分能力，勉强可以接受
5. KS值[0.3,0.5],模型具有较强的区分能力。
6. KS值大于0.75，往往表示模型有异常。
   除KS外还常用ROC和AUC