datawhale&科大讯飞举办的学习挑战赛————“车辆贷款违约预测挑战赛” Rank4 方案
给定某机构实际业务中的相关借款人信息，包含53个与客户相关的字段，其中loan_default字段表明借款人是否会拖欠付款。任务目标是通过训练集训练模型，来预测测试集中loan_default字段的具体值，即借款人是否会拖欠付款，以此为依据，降低贷款风险。
赛题数据由训练集和测试集组成，总数据量超过25w，包含52个特征字段。为了保证比赛的公平性，将会从中抽取15万条作为训练集，3万条作为测试集，同时会对部分字段信息进行脱敏。
本次竞赛的评价标准采用 F1-score 指标。
这个比赛属于学习实践性质，比较简单。主要参考使用了@第一次打比赛 大佬的baseline套路。
- 特征工程思路
- 构造新特征。例如：有效贷款总数、主账户违约比率、二级账户违约比率、总违约比率、总未还贷款金额比率等。
- 数值特征的统计特征。计算构造credit-score关于类别特征的mean统计特征。
- 尝试对age/loan_to_asset_ratio_bin进行较粗粒度的序数编码，希望增强泛化能力（但好像没什么用）。
- 目标编码（target encoding）。对employee_code_id/supplier_id/branch_id等类别特征做目标编码。
- 计数编码（count encoding）。对employee_code_id/supplier_id/branch_id等类别特征做计数编码。
- 模型
- 单模 10折交叉验证 LightGBM
- numpy 1.21.1
- pandas 1.3.1
- scikit-learn 0.24.2
- lightgbm 3.2.1
- tqdm 4.51.0