金融风控项目涵盖多种模型评估及风险控制策略分析

一、问题定义

金融的核心任务在于风险控制。不言而喻的是，在这一领域中，人工智能的应用重点转移到了如何利用AI技术实现精准的风险管理。

在风险控制领域中，存在一个非常关键的问题：如何确定基于用户的各项信息以判定其是否会出现逾期行为 ？

我们整合了用户的个人资料、地区特征以及社交互动数据等，并基于此分析用户的还款可能性。

我们的问题是：基于用户相关的信息来预测此用户是否违约 。

数据如下：https://www.kesci.com/home/competition/56cd5f02b89b5bd026cb39c9/content/1

二、ROC与AUC

特征工程：

第一、存在大量缺失值的诸多特征该如何处理？这些情况该如何选择是删除还是保留？如果选择删除的话，则需确定哪些特定的特征应当被移除。

针对此问题而言，在制定相关规则时可采取以下措施：例如我们共有100个样本数据其中若某一特征在超过60%以上的样本中均为缺失值则应剔除该特征以避免影响分析结果。具体设定的标准可通过数据可视化方法来确定

下面指出的是样本中存在大量缺失数据的情况。关于这一点，在前面的部分已经进行了讨论。通常情况下，在面对这种情况时建议采取以下措施：当某个样本中的超过50%的数据点出现缺失（即NaN）时，则考虑将其从分析中排除。

下面指出的是样本中存在大量缺失数据