De kans op wanbetaling voorspellen

Kredietrisicomodellering in Python

Michael Crabtree

Data Scientist, Ford Motor Company

Coëfficiënten van logistische regressie

# Modelintercept
array([-3.30582292e-10])
# Coëfficiënten voor ['loan_int_rate','person_emp_length','person_income']
array([[ 1.28517496e-09, -2.27622202e-09, -2.17211991e-05]])

Formule voor kans op wanbetaling met logistische regressie

# Kans op wanbetaling berekenen
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)))

Coëfficiënten interpreteren

# Intercept
intercept = -1.02
# Coëfficiënt voor duur werkervaring
person_emp_length_coef = -0.056

Bij elke toename van 1 jaar in person_emp_length is de kans op wanbetaling kleiner

Coëfficiënten interpreteren

# Intercept
intercept = -1.02
# Coëfficiënt voor duur werkervaring
person_emp_length_coef = -0.056

Bij elke toename van 1 jaar in person_emp_length is de kans op wanbetaling kleiner

intercept	person_emp_length	waarde * coef	kans op wanbetaling
`-1.02`	10	(10 * `-0.06`)	.17
`-1.02`	11	(11 * `-0.06`)	.16
`-1.02`	12	(12 * `-0.06`)	.15

Niet-numerieke kolommen gebruiken

Numeriek: loan_int_rate, person_emp_length, person_income
Niet-numeriek:
```
cr_loan_clean['loan_intent']
```

EDUCATION            
MEDICAL              
VENTURE              
PERSONAL             
DEBTCONSOLIDATION   
HOMEIMPROVEMENT

Veroorzaakt fouten bij machine learning-modellen in Python, tenzij verwerkt

One-hot-encoding

Stel een string voor met een getal

Voorbeeld van leningdoel in de data

One-hot-encoding

Zet een string om naar een getal
0 of 1 in een nieuwe kolom column_VALUE

Voorbeeld van one-hot-encoding van de kolom loan intent

Get dummies

Gebruik get_dummies() in pandas

# Scheid de numerieke kolommen
cred_num = cr_loan.select_dtypes(exclude=['object'])
# Scheid de niet-numerieke kolommen
cred_cat = cr_loan.select_dtypes(include=['object'])
# One-hot-encode alleen de niet-numerieke kolommen
cred_cat_onehot = pd.get_dummies(cred_cat)
# Voeg de numerieke en one-hot-encoded kolommen samen
cr_loan = pd.concat([cred_num, cred_cat_onehot], axis=1)

De toekomst voorspellen, waarschijnlijk

Gebruik de methode .predict_proba() in scikit-learn

# Train het model
clf_logistic.fit(X_train, np.ravel(y_train))
# Voorspel met het model
clf_logistic.predict_proba(X_test)

Maakt een array met kansen op wanbetaling

# Waarschijnlijkheden: [[geen wanbetaling, wanbetaling]]
array([[0.55, 0.45]])

Laten we oefenen!

Kredietrisicomodellering in Python