第8课：金融风控问题.pdfVIP

金融风控问题案例 寒小阳 七月在线 2017年1月22日 “魔镜杯” 风控算法⼤赛 七⽉在线Kaggle实战班 2 背景介绍 Ø  比赛公开了国内⽹络借贷⾏业的贷款风险数据 Œ  包括信用违约标签（因变量）   建模所需的基础与加⼯字段（自变量） Ž  相关用户的⽹络⾏为原始数据 本着保护借款⼈隐私以及拍拍贷知识产权的目的，数据字段已 经过脱敏处理。 数据简介 Ø  数据编码为GBK 。 Ø  初赛数据包括3万条训练集和2万条测试集。 Ø  复赛会增加新的3万条数据，供参赛团队优化模型 ，并新增1万 条数据作为测试集。 Ø  所有训练集，测试集都包括3个csv ⽂件。 七月在线Kaggle实战班 3/54 数据信息 Ø  Master(每⼀⾏代表⼀个成功成交借款样本 ，每个样本包含200 多 个各类字段。 Œ  idx ：每笔贷款的unique key ，可与另外2个⽂件里的idx相匹配 。   UserInfo_* ：借款⼈特征字段 Ž  WeblogInfo_* ：Info ⽹络⾏为字段   Education_Info* ：学历学籍字段   ThirdParty_Info_PeriodN_* ：第三⽅数据时间段N 字段 ‘  SocialNetwork_* ：社交⽹络字段 ’  LinstingInfo ：借款成交时间 “  Target ：违约标签（1 = 贷款违约 ，0 = 正常还款）。测试集里 不包含target 字段。 七月在线Kaggle实战班 4/54 数据信息 Ø  Log_Info （借款⼈的登陆信息） Œ  ListingInfo ：借款成交时间   LogInfo1 ：操作代码 Ž  LogInfo2 ：操作类别   LogInfo3 ：登陆时间   idx ：每⼀笔贷款的unique key Ø  Userupdate_Info （借款⼈修改信息） Œ  ListingInfo1 ：借款成交时间   UserupdateInfo1 ：修改内容 Ž  UserupdateInfo2 ：修改时间   idx ：每⼀笔贷款的unique key 七月在线Kaggle实战班 5/54 处理过程 Œ  数据清洗 Ø  对缺失值的多维度处理 Ø  对离群点的剔除⽅法 Ø  ⽂本处理   特征⼯程 Ø  地理信息处理 Ø  成交时间 Ø  类别型编码 Ø  组合特征 Ž  特征选择 Ø  Xgboost 重要度排序   类别不平衡处理 Ø  代价敏感学习 与 过采样   模型设计与优化 七月在线Kaggle实战班 6/54 数据清洗 Œ  缺失值的多维度处理 Ø  按列（属性）统计缺失值个数，进⼀步得到各列的缺失比率