Python贷款违约预测:Logistic、Xgboost、Lightgbm、贝叶斯调参/GridSearchCV调参|数据分享

银行贷款业务是银行的主要盈利方式，对于具体的贷款申请人，是否可以同意贷款申请是一件十分重要的步骤，如果贷款人在贷款后出现违约行为，这将对银行的资金流稳定性造成不利的影响。因此针对贷款人的“数据信息”进行处理和违约预测具有举足轻重的作用。对于金融行业来说，贷款业务及人员信息十分复杂，对于数据特征的处理十分重要，在数据处理完成后，通过机器学习模型进行预测以判断贷款人是否会违约（点击文末“阅读原文”了解更多）。

解决方案

任务/目标

根据金融业务要求，运用数据源分析预测贷款人是否违约。

数据源准备

特征转换

• 对于贷款金额、年收入等数值型数据，使用数据分箱的方法分为四类用数字0-3表示，阈值根据样本总数均分位处的值确定；对于贷款目的、贷款等级等类别型数据，使用独热编码的方法处理；对于放贷日期等时间类型数据，转换成标准时间格式；对于匿名n系列数据，使用seaborn进行特征性筛查，剔除相关性高的特征。

构造特征

结合金融业务特点，由贷款金额、利率、年限构建新特征贷款利息，由信贷开立时间和放贷时间构建新特征经历时间等。

划分训练集和测试集

将训练集划分为：训练集训练模型、验证集评估模型、测试集最后一次测试模型，比例为：6:2:2 ，最后使用训练集预测结果，最后不加载测试集去训练，会造成测试集数据泄露。本项目中80万训练集，20万验证集，20万测试集（查看文末了解数据免费获取方式）。

建模

Logistic：

逻辑回归是一种分类算法，多用于 两个类别之间的判断， 逻辑回归的损失称为对数似然损失， 使用梯度下降的方法优化损失函数的值。

Xgboost：

GBDT是基于boosting方法将所有弱分类器的结果相加等于预测值，然后下一个弱分类器去拟合误差函数对预测值的残差，每棵树就是一个弱分类器。Xgboost本质上也是一种GBDT，在损失函数中添加了正则化项L1和L2来控制模型的复杂度，提高泛化能力。

Lightgbm

LightGBM（Light Gradient Boosting Machine）是一个实现GBDT算法的框架，具有 支持高效率的并行训练，并且具有更快的训练速度、更低的内存消耗、更好的准确率。GBDT在每一次迭代过程中，都需要遍历整个训练集多次，因此与内存产生冲突，对于海量数据是很不利的。Xgboost采用预排序方法的决策树算法，虽然对于分割点的寻找较为准确，但同时保存了特征值和特征排序的结果，空间消耗很大，并且在遍历分割点时计算分裂增益，时间消耗也大。Lightgbm采用直方图算法将连续特征放入直方图箱子中，从而减少内存使用和时空复杂度。

模型优化

1.特征工程，贝叶斯调参/GridSearchCV调参

在此案例中，Xgboost和Lightgbm算法模型预值的AUC值较好，其预测结果如下：

调参前两种模型的AUC值：

调参后：

Xgboost的AUC值获得一定的提升，关于模型还有较大的优化空间。

01

02

03

04

Lightgbm：

通过贝叶斯调参后，找到了一组最优解，AUC值提升至0.7234。

最后输出为测试集样本发生贷款违约的概率值。