Predicția probabilității de nerambursare

Modelarea Riscului de Credit în Python

Michael Crabtree

Data Scientist, Ford Motor Company

Coeficienții regresiei logistice

# 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]])

Formulă pentru probabilitatea de nerambursare prin regresie logistică

# 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)))

Interpretarea coeficienților

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

La fiecare creștere de 1 an a person_emp_length, probabilitatea de nerambursare scade

Interpretarea coeficienților

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

La fiecare creștere de 1 an a person_emp_length, probabilitatea de nerambursare scade

intercept	person_emp_length	value * coef	probabilitate de nerambursare
`-1.02`	10	(10 * `-0.06`)	.17
`-1.02`	11	(11 * `-0.06`)	.16
`-1.02`	12	(12 * `-0.06`)	.15

Utilizarea coloanelor non-numerice

Numerice: loan_int_rate, person_emp_length, person_income
Non-numerice:
```
cr_loan_clean['loan_intent']
```

EDUCATION            
MEDICAL              
VENTURE              
PERSONAL             
DEBTCONSOLIDATION   
HOMEIMPROVEMENT

Provoacă erori în modelele de machine learning din Python dacă nu sunt procesate

Codificare one-hot

Reprezentați un șir prin un număr

Exemplu de loan intent în date

Codificare one-hot

Reprezentați un șir prin un număr
0 sau 1 într-o coloană nouă column_VALUE

Exemplu de codificare one-hot a coloanei loan intent

Get dummies

Utilizați get_dummies() din 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)

Predicție probabilistică

Utilizați metoda .predict_proba() din scikit-learn

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

Generează un tablou de probabilități de nerambursare

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

Să exersăm!

Modelarea Riscului de Credit în Python