金融风控训练营赛题概况知识学习笔记
本学习笔记为阿里云天池龙珠计划金融风控训练营的学习内容，学习链接为：https://tianchi.aliyun.com/notebook-ai/detail?spm=5176.20850282.J_3678908510.2.f2984d57wKRgrA&postId=170948
一、学习知识点概要
理解赛题数据和目标，清楚评分体系，熟悉比赛流程。
二、学习内容
首先，我了解了赛题概况，知道了竞赛采用的是AUC作为评价指标。AUC被定义为ROC曲线下与坐标轴围成的面积。并了解了常见的评估指标：
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）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）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）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+FNFPR：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
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。
对于金融风控预测类常见的评估指标如下:
1、KS(Kolmogorov-Smirnov) KS统计量由两位苏联数学家A.N. Kolmogorov和N.V. Smirnov提出。在风控中，KS常用于评估模型区分度。区分度越大，说明模型的风险排序能力（ranking ability）越强。 K-S曲线与ROC曲线类似，不同在于
- ROC曲线将真正例率和假正例率作为横纵轴
- K-S曲线将真正例率和假正例率都作为纵轴，横轴则由选定的阈值来充当。 公式如下：KS=max(TPR−FPR)KS=max(TPR−FPR)KS不同代表的不同情况，一般情况KS值越大，模型的区分能力越强，但是也不是越大模型效果就越好，如果KS过大，模型可能存在异常，所以当KS值过高可能需要检查模型是否过拟合。以下为KS值对应的模型情况，但此对应不是唯一的，只代表大致趋势。
| KS（%） | 好坏区分能力 |
|---|---|
| 20以下 | 不建议采用 |
| 20-40 | 较好 |
| 41-50 | 良好 |
| 51-60 | 很强 |
| 61-75 | 非常强 |
| 75以上 | 过于高，疑似存在问题 |
我还学到了读取数据的代码。第一种通过wget命令从链接直接下载数据到dsw
# 导入数据读取模块
import pandas as pd# 方法一：直接下载到dsw本地，这样的好处是后面数据读取会快点，但是直接下载到本地会占用比较多的内存
# 下载测试数据集 41.33mb
!wget http://tianchi-media.oss-cn-beijing.aliyuncs.com/dragonball/FRC/data_set/testA.csv
# 下载训练数据集 166.77mb
!wget http://tianchi-media.oss-cn-beijing.aliyuncs.com/dragonball/FRC/data_set/train.csvtrain = pd.read_csv('train.csv')
testA = pd.read_csv('testA.csv')第二种是直接利用pandas读取链接数据
# 方法二：直接读取链接数据，这样的好处是不占dsw内存，但是读取速度相对会比较慢点
train = pd.read_csv('http://tianchi-media.oss-cn-beijing.aliyuncs.com/dragonball/FRC/data_set/train.csv')
testA = pd.read_csv('http://tianchi-media.oss-cn-beijing.aliyuncs.com/dragonball/FRC/data_set/testA.csv')
print('Train data shape:',train.shape)
print('TestA data shape:',testA.shape)train.head()三、学习问题与解答
暂时没有问题
四、学习思考与总结
通过这次学习，我了解了赛题的基本状况和竞赛的评估指标。了解了关于混淆矩阵的基本知识，学到了如何写代码来读取数据。