天池-金融风控训练营-task1-赛题理解

天池-金融风控训练营-task1-赛题理解

金融风控训练营传送门：

AI训练营金融风控-阿里云天池阿里云天池龙珠计划，继承天池“让全世界没有能力access到大数据的人可以公平地access到大数据”的信念，让全世界想自学AI人工智能的人可以一起学习。训练营金融风控，15天30小时，6个任务，分为赛题解析、EDA、特征工程、建模与调参和模型融合五大主块，最后一部分是参与实际竞赛，快来为简历加分吧。https://tianchi.aliyun.com/specials/activity/promotion/aicampfrtask1传送门：

金融风控-Task1-天池实验室-实时在线的数据分析协作工具，享受免费计算资源天池实验室中的：金融风控-Task1实验介绍及https://tianchi.aliyun.com/notebook-ai/detail?spm=5176.20850282.J_3678908510.2.f2984d574Roye1&postId=170948

一、学习知识概要

1. 熟悉评分体系（模型评价指标公式、利用python计算这些模型评价指标）

2. 熟悉比赛流程 零基础入门金融风控-贷款违约预测赛题与数据-天池大赛-阿里云天池

二、学习内容 1. 评分体系（贷款违约预测是个分类问题，故下面只介绍分类算法常见的评估指标）： 1.1 混淆矩阵（Confuse Matrix）:

（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 ) 1.2 准确率（Accuracy）

准确率是常用的一个评价指标，但是不适合样本不均衡的情况。

1.3 精确率（Precision） 

又称查准率，正确预测为正样本（TP）占预测为正样本(TP+FP)的百分比。

1.4 召回率（Recall）

又称为查全率，正确预测为正样本（TP）占正样本(TP+FN)的百分比。

1.5 F1score

精确率和召回率是相互影响的，精确率升高则召回率下降，召回率升高则精确率下降，如果需要兼顾二者，就需要精确率、召回率的调和平均F1 Score。

1.6 P-R曲线

P-R曲线是描述精确率和召回率变化的曲线。

性能评估之PR曲线与ROC曲线 - 简书冒泡!又是周末啦~小李上线啦!放假瘫在家里做咸鱼真的好快落诶,但也要坚持输出。今天主要叙述在二分类问题中性能评估的两个曲线。———————————————————— PR曲线...https://www.jianshu.com/p/ac46cb7e6f87

1.7 ROC

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。

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。

1.8 AUC(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。

1.9 KS

 KS统计量由两位苏联数学家A.N. Kolmogorov和N.V. Smirnov提出。在风控中，KS常用于评估模型区分度。区分度越大，说明模型的风险排序能力（ranking ability）越强。 K-S曲线与ROC曲线类似，不同在于

ROC曲线将真正例率和假正例率作为横纵轴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：

FPR、cum(bad_rate)的等价以及其他更多ks相关信息可参考：

风控模型—区分度评估指标(KS)深入理解应用 - 知乎 (zhihu.com)https://zhuanlan.zhihu.com/p/79934510

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。

KS（%）好坏区分能力20以下不建议采用20-40较好41-50良好51-60很强61-75非常强75以上过于高，疑似存在问题 remark：

其中，金融风控预测中常用ROCAUCKS作为评估指标。

2. 分类指标评价计算示例 2.1 混淆矩阵

## 混淆矩阵
import numpy as np
from sklearn.metrics import confusion_matrix
y_pred = [0, 1, 0, 1]
y_true = [0, 1, 1, 0]
print('混淆矩阵:n',confusion_matrix(y_true, y_pred))

混淆矩阵:
 [[1 1]
 [1 1]]

2.2 accuracy

## accuracy
from sklearn.metrics import accuracy_score
y_pred = [0, 1, 0, 1]
y_true = [0, 1, 1, 0]
print('ACC:',accuracy_score(y_true, y_pred))

ACC: 0.5

 2.3 precisionrecallf1-score

## Precision,Recall,F1-score
from sklearn import metrics
y_pred = [0, 1, 0, 1]
y_true = [0, 1, 1, 0]
print('Precision',metrics.precision_score(y_true, y_pred))
print('Recall',metrics.recall_score(y_true, y_pred))
print('F1-score:',metrics.f1_score(y_true, y_pred))

Precision 0.5
Recall 0.5
F1-score: 0.5

 2.4 PR曲线

## P-R曲线
import matplotlib.pyplot as plt
from sklearn.metrics import precision_recall_curve
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus'] = False
y_pred = [0, 1, 1, 0, 1, 1, 0, 1, 1, 1]
y_true = [0, 1, 1, 0, 1, 0, 1, 1, 0, 1]
precision, recall, thresholds = precision_recall_curve(y_true, y_pred)
plt.title(r'PR曲线')
plt.plot(precision, recall)
plt.xlabel('precison')
plt.ylabel('recall')
plt.show()

2.5 ROC曲线

## ROC曲线
from sklearn.metrics import roc_curve
y_pred = [0, 1, 1, 0, 1, 1, 0, 1, 1, 1]
y_true = [0, 1, 1, 0, 1, 0, 1, 1, 0, 1]
FPR,TPR,thresholds=roc_curve(y_true, y_pred)
plt.title('ROC')
plt.plot(FPR, TPR,'b')
plt.plot([0,1],[0,1],'r--')
plt.ylabel('TPR')
plt.xlabel('FPR')
plt.show()

2.6 AUC

## AUC
import numpy as np
from sklearn.metrics import roc_auc_score
y_true = np.array([0, 0, 1, 1])
y_scores = np.array([0.1, 0.4, 0.35, 0.8])
print('AUC socre:',roc_auc_score(y_true, y_scores))

AUC socre: 0.75

2.7 KS值

## KS值 在实际 *** 作时往往使用ROC曲线配合求出KS值
from sklearn.metrics import roc_curve
y_pred = [0, 1, 1, 0, 1, 1, 0, 1, 1, 1]
y_true = [0, 1, 1, 0, 1, 0, 1, 1, 1, 1]
FPR,TPR,thresholds=roc_curve(y_true, y_pred)
KS=abs(FPR-TPR).max()
print('KS值：',KS)

# 画图，画出曲线
plt.plot(FPR, label='bad')
plt.plot(TPR, label='good')
plt.plot(abs(FPR-TPR), label='diff')
# 标记ks
x = np.argwhere(abs(FPR-TPR) == KS)[0, 0]
plt.plot((x, x), (0, KS), label='ks - {:.2f}'.format(KS), color='r', marker='o', markerfacecolor='r', markersize=5)
plt.scatter((x, x), (0, KS), color='r')
plt.legend()
plt.show()

KS值： 0.5238095238095237

 补充下ks和auc的其他画法（调用制作评分卡的包scorecardpy）：

# ksroc其他画法
import scorecardpy as sc
y_true = np.array([0, 0, 1, 1])
y_scores = np.array([0.1, 0.4, 0.35, 0.8])
sc.perf_eva(y_true, y_scores)
plt.show()

但是不得不说，这个包虽然用着简单，但是good和bad两条曲线的颜色无法区分，可能带来一些看图的障碍。从这个角度来讲，可能还是手动画图好些。

三、学习问题与解答

过程主要遇到一个问题，即阅读不同资料时，有些地方告诉我ks等于tpr和fpr的差的最大值，有些地方告诉我，ks等于累计好人比-累计坏人比的最大值，一直无法通过自己的思考将二者进行统一。直到看到了风控模型—区分度评估指标(KS)深入理解应用 - 知乎，此文解答了我的疑惑，我愿称之为ks深度好文！

四、学习思考与总结

task1主要还是在介绍各种评价指标的概念并给出计算示例。其他部分，如数据读取、评分卡等都是简单介绍。计划在完成金融风控训练营所有内容后，基于比赛数据集，制作一个评分卡（考虑使用scorecard和toad进行尝试）。