Approbation de crédit

Fait partie de la section Apprentissage supervisé du Journey Machine Learning de Coddy. Leçon 56 sur 58.

Une banque coopérative gère une carte de magasin. Dans cards.csv, 79 de ses 320 titulaires ont pris du retard dans leurs paiements au cours de leur première année :

Histogrammes de densité du ratio d’endettement pour 241 titulaires à jour, principalement entre 0.1 et 0.35, et 79 titulaires en retard, décalés vers la droite, entre 0.3 et 0.8, avec un large chevauchement

L’endettement est utile, mais les groupes se chevauchent. La banque évaluera le risque de chaque demandeur et transmettra à une personne, pour examen, toute personne dont le risque dépasse un seuil.

Sa règle : détecter une proportion déterminée des futurs retards de paiement. Choisissez le seuil sur les lignes de validation, puis évaluez-le une seule fois sur les lignes de test.

Défi

Difficile

Le programme lit le rappel souhaité par la banque, target. Le code de départ liste les colonnes et les thresholds, de la plus élevée à la plus basse.

Mettez de côté un quart stratifié pour le test, puis un quart stratifié de ce qui reste pour la validation, avec random_state=0 dans les deux cas.
Entraînez un pipeline sur les lignes d’entraînement restantes : remplacez les valeurs manquantes par la médiane et standardisez les valeurs numériques, encodez home en one-hot, puis effectuez une régression logistique.
Sur l’ensemble de validation, prenez le premier seuil dont le rappel atteint target.
Affichez-le, puis indiquez les résultats obtenus par les lignes de test avec ce seuil, comme ci-dessous (3 décimales).

Pour une autre banque et 0.7 :

Threshold: 0.3 (validation recall 0.733)
Test: caught 15 of 21 late payers, 12 false alarms
Precision: 0.556

Essayez vous-même

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.compose import ColumnTransformer
from sklearn.pipeline import make_pipeline
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import StandardScaler, OneHotEncoder
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import recall_score, precision_score, confusion_matrix

cards = pd.read_csv("cards.csv")
numbers = ["age", "income_k", "debt_ratio", "years_at_job", "late_payments", "card_limit_k"]
text = ["home"]
X = cards[numbers + text]
y = cards["fell_behind"]

target = float(input())
thresholds = [0.5, 0.45, 0.4, 0.35, 0.3, 0.25, 0.2, 0.15, 0.1]

# Écrivez votre code ci-dessous