2020-09-15 Task0

1.赛题数据理解

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。其中训练集80万的数据，测试集20万的数据。

变量解释如下：

id：贷款清单分配的唯一信用证标识

loanAmnt：贷款金额

term：贷款期限（year）

interestRate：贷款利率

installment：分期付款金额

grade:贷款等级

subGrade:贷款等级之子级

employmentTitle:就业职称

employmentLength:就业年限（年）

homeOwnership:借款人在登记时提供的房屋所有权状况

annualIncome:年收入

verificationStatus:验证状态

issueDate:贷款发放的月份

purpose:借款人在贷款申请时的贷款用途类别

postCode:借款人在贷款申请中提供的邮政编码的前3位数字

regionCode：地区编码

dti：债务收入比

delinquency_2years：借款人过去2年信用档案中逾期30天以上的违约事件数

ficoRangeLow：借款人在贷款发放时的fico所属的下限范围

ficoRangeHigh：借款人在贷款发放时的fico所属的上限范围

openAcc：借款人信用档案中未结信用额度的数量

pubRec：贬损公共记录的数量

pubRecBankruptcies：公开记录清除的数量

revolBal：信贷周转余额合计

revolUtil：循环额度利用率，或借款人使用的相对于所有可用循环信贷的信贷金额

totalAcc：借款人信用档案中当前的信用额度总数

initialListStatus：贷款的初始列表状态

applicationType：表明贷款是个人申请还是与两个共同借款人的联合申请

earliesCreditLine：借款人最早报告的信用额度开立的月份

title：借款人提供的贷款名称

policyCode：公开可用的策略_代码=1新产品不公开可用的策略_代码=2

n系列匿名特征匿名特征n0-n14，为一些贷款人行为计数特征的处理

2.评价指标

本次项目以AUC作为评价指标。

AUC与KS是做评分卡常用的两个评价指标，auc指的是roc下方的曲线的面积。