资讯 人工智能
此为临时链接,仅用于文章预览,将在时失效

银行业中的数据挖掘-贷款审批案例

作者:AI研习社-译站
2018/08/24 10:46

雷锋网按:本文为 AI 研习社编译的技术博客,原标题 Data mining for Banking: Loan approval use case,作者为 Youssef Fenjiro。

翻译 | 老周      校对 | 程炜      整理 | MY


银行的基本商业模式是作为金融中介——通过筹集融资和贷款(抵押贷款,房地产,消费者和公司贷款)。后者是两个主要贷款审批和欺诈组成的主要信用风险来源。在这篇文章中,我们将通过使用数据挖掘模型来关注贷款审批。

基于信用评分向零售和企业客户授予信用是关键风险评估工具,其允许通过信誉评分来最佳的管理、理解和量化潜在的债务人的信用风险,与评判评分相比,基于信用评分是更稳健和一致的评估技术。

零售投资组合中的信用评分反映了贷款申请时客户的违约风险,它有助于根据 4 个主要输入数据决定是接受还是拒绝信用申请:

特征选择和模型

数据挖掘通过显示哪些特征(因素)对特定结果影响最大来增加理解:关联矩阵有助于消除相关变量,特征选择方法(特别是多元相关)如逐步回归用于过滤不相关的预测变量;它在每一轮中添加最佳特征(或删除最差特征),并在每次迭代中使用交叉验证评估模型误差,以最终保持最佳预测器子集(特征选择主题将在单独的文章中处理)。

逻辑回归和决策树都是用于构建行为记分卡的流行分类技术(监督学习),它们是分析数据集的统计方法,分析独立变量的预测者(或解释者) 和因变量的响应(或结果变量) 之间的关系。在我们的例子中,我们试图根据上面给出的输入变量的值来估计给予贷款的概率。为简化起见,我们将变量数量限制在 4 个预测变量:年龄,收入,平均每月储蓄金额,信用期限之后。


Logistic 回归

在逻辑回归中,目标 y 是二元的 ( 授予 p = 1 /不授予 p = 0) 和 授予信贷的概率 p。目标是找到下面的公式的系数 αi 来预测 P 的 logit 变换。

银行业中的数据挖掘-贷款审批案例

为了找到系数 αi,我们用标记的历史数据训练分类模型,其中 已经知道「授予」/「未授予」的决定,通过使用交叉熵作为损失函数来比较预测 ^ y vs 标签 y:

银行业中的数据挖掘-贷款审批案例

αi 的值是使用其一阶导数和梯度下降等优化算法最小化 L(α0,...,α4)的值: 


决策树

银行业中的数据挖掘-贷款审批案例

在决策树(如 CRT,QUAID,QUEST,C5.0)中,我们构建分类模型,学习从数据特征推断出的决策规则以进行预测,生成具有与属性(输入变量)对应的决策节点的树结构。


......

想要继续阅读,请移步至我们的AI研习社社区:https://club.leiphone.com/page/TextTranslation/693

更多精彩内容尽在 AI 研习社。

不同领域包括计算机视觉,语音语义,区块链,自动驾驶,数据挖掘,智能控制,编程语言等每日更新。

雷锋网雷锋网(公众号:雷锋网(公众号:雷锋网))



长按图片保存图片,分享给好友或朋友圈

银行业中的数据挖掘-贷款审批案例

扫码查看文章

正在生成分享图...

取消
相关文章