Persetujuan Kredit

Termasuk bagian Pembelajaran Terawasi dalam perjalanan Machine Learning di Coddy. Pelajaran 56 dari 58.

Sebuah bank koperasi menyediakan kartu toko. Dalam cards.csv, 79 dari 320 pemegang kartu terlambat membayar pada tahun pertama mereka:

Histogram kepadatan rasio utang untuk 241 pemegang kartu yang membayar tepat waktu, sebagian besar antara 0.1 dan 0.35, dan 79 pemegang kartu yang terlambat membayar, bergeser ke kanan menuju 0.3 hingga 0.8, dengan banyak tumpang tindih

Utang membantu, tetapi kelompok-kelompok tersebut tumpang tindih. Bank akan menilai risiko setiap pemohon dan mengirim siapa pun yang nilainya melampaui ambang batas kepada seseorang untuk ditinjau.

Aturannya: tangkap bagian tertentu dari orang yang akan terlambat membayar di masa mendatang. Pilih ambang batas pada baris validasi, lalu nilai sekali pada baris pengujian.

Tantangan

Sulit

Program membaca recall yang diinginkan bank, target. Kode awal mencantumkan kolom dan thresholds, dari nilai tertinggi terlebih dahulu.

Pisahkan seperempat data untuk pengujian secara stratifikasi, lalu seperempat data yang tersisa untuk validasi secara stratifikasi. Keduanya menggunakan random_state=0.
Latih pipeline pada baris pelatihan yang tersisa: isi nilai kosong dengan median dan skalakan angka, lakukan one-hot encoding pada home, lalu gunakan regresi logistik.
Pada data validasi, ambil threshold pertama yang recall-nya mencapai target.
Cetak threshold tersebut, lalu hasil pada baris pengujian dengan threshold itu, seperti di bawah ini (3 angka desimal).

Untuk bank lain dan 0.7:

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

Coba sendiri

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]

# Tulis kodemu di bawah ini