当前位置：首页 > news >正文

如何利用机器学习实现信用风险评分

news 来源：原创 2025/6/10 4:17:09

该示例使用XGBoost算法对贷款申请人的信用风险进行分类，并通过SHAP值解释预测逻辑：

python

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler, OneHotEncoder
from sklearn.compose import ColumnTransformer
from sklearn.pipeline import Pipeline
from xgboost import XGBClassifier
import shap

# 1. 加载示例数据（需替换为真实数据集）
data = pd.read_csv("loan_applications.csv")
# 数据包含字段：age, income, credit_score, employment_status, loan_amount, default

# 2. 数据预处理
# 处理缺失值
data.fillna({'income': data['income'].median()}, inplace=True)

# 特征工程
categorical_features = ['employment_status']  # 类别型特征
numerical_features = ['age', 'income', 'credit_score', 'loan_amount']

# 创建预处理管道
preprocessor = ColumnTransformer(
    transformers=[
        ('num', StandardScaler(), numerical_features),
        ('cat', OneHotEncoder(handle_unknown='ignore'), categorical_features)
    ])

# 划分训练集和测试集
X = data.drop('default', axis=1)
y = data['default']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 3. 训练XGBoost模型
model = XGBClassifier(
    objective='binary:logistic',
    n_estimators=100,
    learning_rate=0.1,
    max_depth=3,
    random_state=42
)

# 创建完整管道
pipeline = Pipeline(steps=[
    ('preprocessor', preprocessor),
    ('classifier', model)
])

pipeline.fit(X_train, y_train)

# 4. 模型评估
from sklearn.metrics import classification_report
y_pred = pipeline.predict(X_test)
print(classification_report(y_test, y_pred))

# 5. SHAP值解释（可视化信用风险决策逻辑）
explainer = shap.TreeExplainer(pipeline.named_steps['classifier'])
shap_values = explainer.shap_values(pipeline.transform(X_test))

# 可视化单个样本的解释
sample_index = 0
shap.summary_plot(shap_values, pipeline.transform(X_test), feature_names=X.columns)

代码功能说明

数据处理：
- 处理缺失值（中位数填充收入缺失）
- 对数值特征标准化（StandardScaler）
- 对类别特征独热编码（OneHotEncoder）
模型训练：
- 使用XGBoost分类器，通过二分类逻辑回归目标函数（binary:logistic）
- 设置早停机制（early_stopping_rounds可优化）
模型评估：
- 输出分类报告（准确率、召回率、F1值）
- 召回率特别重要，因为银行更关注避免漏判高风险客户
风险解释：
- 使用SHAP值分析特征重要性
- 生成交互式可视化图表（需安装shap.summary_plot）

扩展优化方向

1. 处理非平衡数据

python

# 在XGBoost中直接设置类别权重
model = XGBClassifier(class_weight='balanced', ...)

# 或使用SMOTE进行过采样
from imblearn.over_sampling import SMOTE
smote = SMOTE(random_state=42)
X_train_res, y_train_res = smote.fit_resample(preprocessor.transform(X_train), y_train)

2. 时序特征工程（适用于信用卡风险预测）

python

# 添加滚动统计特征
data['rolling_3m_avg_income'] = data['income'].rolling(window=3, min_periods=1).mean()
data['rolling_6m_default_rate'] = data['default'].rolling(window=6, min_periods=1).mean()

3. 部署实时风控API

python

from flask import Flask, request
import joblib

app = Flask(__name__)
model = joblib.load('credit_risk_model.pkl')

@app.route('/predict', methods=['POST'])
def predict():
    data = request.json
    preprocessed_data = preprocessor.transform(data)
    probability = model.predict_proba(preprocessed_data)[:, 1]
    return {"default_probability": round(probability[0]*100, 2), "risk_level": "high" if probability[0] > 0.5 else "low"}

if __name__ == "__main__":
    app.run(debug=True)