开发了网贷信用评分项目！各大网贷公司纷纷抛出橄榄枝！月薪30K

概述项目介绍此项目为kaggle竞赛平台的givemesomecredits。其目的是预测银行用户违约概率，以辅助银行判断是否要对用户进行放贷。关于风险控制建模的大致流程可参考以下链接：

项目介绍

此项目为kaggle竞赛平台的give me some credits。其目的是预测银行用户违约概率，以辅助银行判断是否要对用户进行放贷。关于风险控制建模的大致流程可参考以下链接：

关于互联网金融授信产品的风控建模

此项目提供样本数量多，但变量特征比较少，相比实际业务的开展肯定是远远不够的。但是作为入门风控建模，了解建模开发流程却是个不错的选择。项目拟使用所提供的数据集建立一个申请评分卡(A卡)，并可以对用户自动评分。

其实在实际建模过程中是要结合业务端的，对于好坏用户如何定义？逾期多少DPD算是坏用户？表现期和观察期又是如何定义的？每个公司的业务不一样，面向客户群体也不一样，这些指标在各个公司都不一定是相同的。比如，好坏用户就需要根据滚动率来观察，几期过后逾期率会达到稳定，又如通过账龄分析来定义表现期窗口的时间长度等。

本项目仅供学习使用，对于业务指标不进行过多考虑，而侧重于建模的技术方面。

进群：548377875   即可获取数十套pdf哦！

数据探索

和之前的套路一样，建模前的数据探索十分重要，发现数据分布特征，数据联系和内在规律等。首先导入数据后观察数据缺失值，异常值，分布规律等。

# 导入数据集，合并训练数据和测试数据data_train = pd.read_csv('cs-training.csv')data_test = pd.read_csv('cs-test.csv')# df = data_train.append(data_test)

age特征分布

f,[ax1,ax2]=plt.subplots(1,2,figsize=(20,8))sns.distplot(data_train['age'],ax=ax1)sns.Boxplot(y='age',data=data_train,ax=ax2)plt.show()

年龄异常值上限为：96.0,下限为：8.0，上届异常值占比：0.03 %，下届异常值占比：0.00067 %。

结论：

明显观察到有个0岁的客户，这实际上不可能，至少要大于18岁成年以后才可以贷款，故将之移除。 而年龄大于96岁是有可能的，判断是噪声，并不是异常值，因为大于等于96岁的客户有98人，其中最大的年龄为109。

再看一下age特征对目标变量的影响，将age划分为几个年龄段，然后绘制出各个年龄段的违约率。

Revol特征

f,ax=plt.subplots(figsize=(10,5))plt.scatter(data_train['Revol'],data_train['age'],@R_404_6004@='g')plt.show()

结论：这个特征值是百分比。含义是：除了房贷车贷之外的xyk账面金额（即贷款金额）/xyk总额度。实际上，这个特征值大部分情况是小于1的，因为超出额度属于透支。但是我们发现有很多特征值已经达到了几万，这在实际中是不可能的。推测很有可能是没有除以分母xyk额度，而是分子的纯xyk账面贷款金额。

我们需要确定的是透支的最大值是什么？即透支多少算是正常值？数值多大可以确认它是没除以分母的异常值？

观察一下Revol特征各个分段下的分布情况。

观察到现象：

小于1的分布中，大部分客户都处于0.1的位置，而随着Revol特征值变大，数量成递减趋势。 对于其它大于1的数值分布，也都明显的呈现了递减趋势。 小于1的特征值占总数量的97%，大于1的数量为5531。

下面来深入研究一下大于1的特征值对坏账率有什么影响，以及找到透支的阈值。

通过上面观察：Revol特征值在10到100之间中，坏账客户的值多在10到20之间，并且其相应的DebtRatio也很高。而其他Revol特征值高(>20)的但DebTradio低的并不是坏账客户。因此，推测可能的异常值阈值（即透支的上限）在20-30左右。

下面我们通过具体数据来确定具体的阈值在哪。

根据观察的现象，我们可以看到：

0-1之间的坏账率为5.99%。按理说，随着比例升高，坏账率也应该升高，尤其是在透支的情况下。在1-30区间内，已经属于透支状态，坏账率39%，达到了最高。但是透支是不可能无限升高的，会有个阈值。 从30到100区间，坏账率开始下降，坏账率开始下降恢复正常，说明30左右的值（即3000%左右）可能就是正常透支的阈值。

因此，将数值超过30的都定义为异常值，并将大于30的值与0-1之间合并。

NumDependents特征

f,5))sns.countplot(x='NumDependents',hue='IsDlq',ax=ax)plt.show()print('Dependents为0的概率为：{0}%'.format(round(data_train[data_train['NumDependents']==0].shape[0]*100/data_train.shape[0],2)))

发现：NumDependents的缺失值为6550个，而NumDependents和MonthlyIncome同时缺失的数量也是6550个。

结论：

说明NumDependents缺失的样本MonthlyIncome也缺失。

我们想要通过找相似的方法来填补缺失的Dependents，因为有以上结论，所以我们观察一下MonthlyIncome缺失，但NumDependents不缺失的样本是如何的。

MonthlyIncome特征

f,5))sns.kdeplot(data_train['MonthlyIncome'],ax=ax1)sns.Boxplot(y='MonthlyIncome',ax=ax2)plt.show()

Num30-59 | 60-89 | 90 late特征

f,[ax,ax1,3,5))# sns.Boxplot(y=['Num30-59late','Num90late'],data=df,ax=ax)ax.Boxplot(x=data_train['Num30-59late'])ax1.Boxplot(x=data_train['Num60-89late'])ax2.Boxplot(x=data_train['Num90late'])ax.set_xlabel('Num30-59late')ax1.set_xlabel('Num60-89late')ax2.set_xlabel('Num90late')plt.show()

DebtRatio

同Revol使用的方法一样，由于存在大量的异常值，固也对其进行了分段来分析坏账率的特点。这部分分箱的观察分布对于后续的woe计算转化很有帮助，当然这些特征指标的分箱也要结合实际业务理解来划分。

结论：将debtratio>2的都视为异常值，并将这些异常值与0-1之间的debtratio分为一组。

NumEstate特征

f,5))sns.kdeplot(data_train['NumEstate'],ax=ax1)sns.Boxplot(y='NumEstate',ax=ax2)plt.show()

NumOpen特征

data_train.loc[(data_train['NumOpen']>=36),'NumOpen'] = 36NumOpenDlq = data_train.groupby(['NumOpen'])['IsDlq'].sum()NumOpenAll = data_train.groupby(['NumOpen'])['IsDlq'].count()NumOpenGroup = NumOpenDlq/NumOpenAllNumOpenGroup.plot(kind='bar',figsize=(10,5))NumOpenDf = pd.DataFrame(NumOpenDlq)NumOpenDf['All'] = NumOpenAllNumOpenDf['Badrate'] = NumOpenGroupNumOpenDf

总结

由于特征数量比较少，所以对每个特征都进行了简单的探索。当然这些这些都只是单变量分析，旨在初步了解特征分布特点和一些通用的规律。由于内容较多固设置为一篇介绍。

下一篇将介绍如何进行介绍：

1. 如何从做woe转化

2. 利用iv值进行筛选变量

3. 变量是如何衍生的

4. 如何使用auc评估模型

5. 建模参数调节和样本不均衡处理

6. 最后又是如何生成相应的评分卡

需要代码请单独私信小编即可

总结

以上是内存溢出为你收集整理的开发了网贷信用评分项目！各大网贷公司纷纷抛出橄榄枝！月薪30K全部内容，希望文章能够帮你解决开发了网贷信用评分项目！各大网贷公司纷纷抛出橄榄枝！月薪30K所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。