Predecir la probabilidad de impago

Modelado del riesgo crediticio en Python

Michael Crabtree

Data Scientist, Ford Motor Company

Coeficientes de regresión logística

# Model Intercept
array([-3.30582292e-10])
# Coefficients for ['loan_int_rate','person_emp_length','person_income']
array([[ 1.28517496e-09, -2.27622202e-09, -2.17211991e-05]])

Fórmula de probabilidad de impago con regresión logística

# Calculating probability of default
int_coef_sum = -3.3e-10 +
    (1.29e-09 * loan_int_rate) + (-2.28e-09 * person_emp_length) + (-2.17e-05 * person_income)
prob_default = 1 / (1 + np.exp(-int_coef_sum))
prob_nondefault = 1 - (1 / (1 + np.exp(-int_coef_sum)))

Interpretar coeficientes

# Intercept
intercept = -1.02
# Coefficient for employment length
person_emp_length_coef = -0.056

Por cada 1 año extra en person_emp_length, es menos probable que impague

Interpretar coeficientes

# Intercept
intercept = -1.02
# Coefficient for employment length
person_emp_length_coef = -0.056

Por cada 1 año extra en person_emp_length, es menos probable que impague

intercept	person_emp_length	value * coef	probability of default
`-1.02`	10	(10 * `-0.06`)	.17
`-1.02`	11	(11 * `-0.06`)	.16
`-1.02`	12	(12 * `-0.06`)	.15

Uso de columnas no numéricas

Numéricas: loan_int_rate, person_emp_length, person_income
No numéricas:
```
cr_loan_clean['loan_intent']
```

EDUCATION            
MEDICAL              
VENTURE              
PERSONAL             
DEBTCONSOLIDATION   
HOMEIMPROVEMENT

Causarán errores con modelos de ML en Python si no se procesan

One-hot encoding

Representa una cadena con un número

Ejemplo de loan intent en los datos

One-hot encoding

Representa una cadena con un número
0 o 1 en una nueva columna column_VALUE

Ejemplo de one-hot encoding de la columna loan intent

Get dummies

Usa get_dummies() de pandas

# Separate the numeric columns
cred_num = cr_loan.select_dtypes(exclude=['object'])
# Separate non-numeric columns
cred_cat = cr_loan.select_dtypes(include=['object'])
# One-hot encode the non-numeric columns only
cred_cat_onehot = pd.get_dummies(cred_cat)
# Union the numeric columns with the one-hot encoded columns
cr_loan = pd.concat([cred_num, cred_cat_onehot], axis=1)

Predecir el futuro, probablemente

Usa el método .predict_proba() de scikit-learn

# Train the model
clf_logistic.fit(X_train, np.ravel(y_train))
# Predict using the model
clf_logistic.predict_proba(X_test)

Crea un array con probabilidades de impago

# Probabilities: [[non-default, default]]
array([[0.55, 0.45]])

¡Vamos a practicar!

Modelado del riesgo crediticio en Python