DD

1. Home Credit Default Risk
Can you predict how capable
each applicant is of repaying
a loan?

2. THE AGENDA FOR TODAY
Project
프로젝트 소개
Data analysis
데이터 전처리, 분석 모델링
evaluation
분석 모델 평가
1
Data
데이터 특징 파악
Logistic regression
SMOTE
Confusion Matrix
ROC curve
Imbalanced Class
EDA

3. Project
Credit default risk

4. 3
Credit default risk 란,
금융기관 Home Credit Group 에서 제공하는 고객정보를
바탕으로 고객의 대출 상환을 예측하는 프로젝트입니다.
About Home credit

5. Data 탐색

6. 데이터 구조
변수 122개 데이터 307,511건 라벨 변수는 “TARGET”
0 = 대출상환, 1 = 대출 불상환
타입 Factor, integer, character, numeric

7. 라벨 변수 분포
상당한 클래스 불균형 상태를 보임.

8. 정수형 변수
히스토그램
극단값 또는 상수값을 가진 변수가 다수 존재

9. P
교육수준
계약 유형
거주지
성별
문자형 변수분포

10. P
거주 유형
직업
소득
문자형 변수분포

11. 숫자형 변수
설명 변수간 상관관계 파악

12. NA값
변수 내 NA값이 50% 이상 차지하는 변수

13. Data 전처리 및 분석

14. 나머지 NA값을
가지는 데이터 제거
변수내 50%이상이
NA값이면 변수에서
제외 데이터 값의 분산이
0 이거나
0 에 근접하는
변수들을 제외

15. 클래스 불균형을
해결하기위해
resampling 기법인
SMOTE를 사용
SMOTE
사전 지정된 샘플링 비율에 따라 k 표본 중에서 랜덤 하게 샘플 수를
선택한 다음 무작위로 선택된 각 샘플과 참조 샘플(클러스터 센터)의
무작위 샘플을 선택하여 새로운 샘플을 생성하는 resampling기법.
장점:
소수 범주의 클래스를 분류하기 위한 의사결정 경계를 더 정교하게 만든다.
0 1
46981 3763
0 1
31609 26341
SMOTE

16. Logistic regression
입력되는 데이터가 특정 클래스에 포함될 예측 확률을 구하여 분류하는
일종의 머신러닝 알고리즘으로써 클래스 분류에 사용된다.
장점:
소수 범주의 클래스를 분류하기 위한 의사결정 경계를 더 정교하게 만든다.
잔차그래프
.
.

17. 모델 평가

18. 측정 기준 값
Accuracy 74%
Sensitivity 48%
Auc 70%
혼동행렬 결과
ROC커브