延滞確率の予測

Pythonで学ぶクレジットリスクモデリング

Michael Crabtree

Data Scientist, Ford Motor Company

ロジスティック回帰の係数

# モデルの切片
array([-3.30582292e-10])
# 係数 ['loan_int_rate','person_emp_length','person_income']
array([[ 1.28517496e-09, -2.27622202e-09, -2.17211991e-05]])

ロジスティック回帰での延滞確率の式

# 延滞確率の計算
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)))

係数の解釈

# 切片
intercept = -1.02
# 勤続年数の係数
person_emp_length_coef = -0.056

person_emp_length が1年増えるごとに延滞しにくくなる

係数の解釈

# 切片
intercept = -1.02
# 勤続年数の係数
person_emp_length_coef = -0.056

person_emp_length が1年増えるごとに延滞しにくくなる

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

非数値列の利用

数値: loan_int_rate, person_emp_length, person_income
非数値:
```
cr_loan_clean['loan_intent']
```

EDUCATION            
MEDICAL              
VENTURE              
PERSONAL             
DEBTCONSOLIDATION   
HOMEIMPROVEMENT

前処理しないと Python の機械学習でエラーになる

ワンホットエンコード

文字列を数値で表現

データ内の loan_intent の例

ワンホットエンコード

文字列を数値で表現
新しい列 column_VALUE に 0 または 1

loan_intent 列のワンホットエンコード例

get_dummies

pandas の get_dummies() を使用

# 数値列を分離
cred_num = cr_loan.select_dtypes(exclude=['object'])
# 非数値列を分離
cred_cat = cr_loan.select_dtypes(include=['object'])
# 非数値列のみワンホットエンコード
cred_cat_onehot = pd.get_dummies(cred_cat)
# 数値列とエンコード列を結合
cr_loan = pd.concat([cred_num, cred_cat_onehot], axis=1)

たぶん未来を予測

scikit-learn の .predict_proba() を使用

# 学習
clf_logistic.fit(X_train, np.ravel(y_train))
# 予測
clf_logistic.predict_proba(X_test)

延滞確率の配列を返す

# 確率: [[非延滞, 延滞]]
array([[0.55, 0.45]])

Let's practice!

Pythonで学ぶクレジットリスクモデリング