天池竞赛：金融风控-贷款违约预测

第一次参加，感谢小组成员~~
TASK1 赛题理解
数据获取需要注册天池比赛，然后才可在对应的赛事中下载数据。
根据贷款申请人的数据信息预测其是否有违约的可能，以此判断是否通过此项贷款
1、混淆矩阵（Confuse Matrix）

• （1）若一个实例是正类，并且被预测为正类，即为真正类TP(True Positive )
  2.（2）若一个实例是正类，但是被预测为负类，即为假负类FN(False Negative )
  3.（3）若一个实例是负类，但是被预测为正类，即为假正类FP(False Positive )
  4.（4）若一个实例是负类，并且被预测为负类，即为真负类TN(True Negative ）
  2、准确率（Accuracy） 准确率是常用的一个评价指标，但是不适合样本不均衡的情况。Accuracy=TP+TNTP+TN+FP+FNAccuracy=TP+TNTP+TN+FP+FN
  3、精确率（Precision） 又称查准率，正确预测为正样本（TP）占预测为正样本(TP+FP)的百分比。Precision=TPTP+FPPrecision=TPTP+FP
  4、召回率（Recall） 又称为查全率，正确预测为正样本（TP）占正样本(TP+FN)的百分比。Recall=TPTP+FNRecall=TPTP+FN
  5、F1 Score 精确率和召回率是相互影响的，精确率升高则召回率下降，召回率升高则精确率下降，如果需要兼顾二者，就需要精确率、召回率的结合F1 Score。F1−Score=21Precision+1RecallF1−Score=21Precision+1Recall
  6、P-R曲线（Precision-Recall Curve） P-R曲线是描述精确率和召回率变化的曲线
  7、ROC（Receiver Operating Characteristic）
  • ROC空间将假正例率（FPR）定义为 X 轴，真正例率（TPR）定义为 Y 轴。
  TPR：在所有实际为正例的样本中，被正确地判断为正例之比率。TPR=TPTP+FNTPR=TPTP+FN
  FPR：在所有实际为负例的样本中，被错误地判断为正例之比率。FPR=FPFP+TNFPR=FPFP+TN
  True Positive Rate（真阳率）、False Positive（伪阳率）两个概念：
  8、AUC(Area Under Curve) AUC（Area Under Curve）被定义为 ROC曲线 下与坐标轴围成的面积，显然这个面积的数值不会大于1。又由于ROC曲线一般都处于y=x这条直线的上方，所以AUC的取值范围在0.5和1之间。AUC越接近1.0，检测方法真实性越高;等于0.5时，则真实性最低，无应用价值。

字段解释