Loan interest en verschuldigde bedrag zijn een paar vectoren door de dataset. Een andere drie maskers zijn binaire vlaggen (vectoren) die 0 en 1 gebruiken om uit te drukken misschien de bijzondere voorwaarden zijn voldaan voor het record dat zeker is. Masker (predict, settled) wordt gemaakt van het modelvoorspellingsresultaat: dan is de waarde 1, anders is het 0. Het masker is een functie van de drempel omdat de voorspellingsresultaten variëren als het model voorspelt dat de lening zal worden afgewikkeld. Dat gezegd hebbende, Mask (real, settled) en Mask (true, past due) zijn een paar tegengestelde vectoren: in het geval dat real label met betrekking tot de lening wordt afgewikkeld, dan is uw waarde in Mask (true, settled) is 1, en andersom.Then inkomen zou kunnen zijn de punt item van drie vectoren: verschuldigde rente, Mask (predict, settled), en Mask (real, settled). Uitgaven kunnen het punt zijn van drie vectoren: leninghoeveelheid, Masker (voorspeld, afgewikkeld), en Masker (echt, vervallen). De wiskundige formules kunnen hieronder worden uitgedrukt:Met behulp van de inkomsten gedachte als het essentiële verschil tussen kosten en inkomsten, het is echt bepaald over de meeste van de classificatie drempels. De resultaten worden hieronder uitgezet in figuur 8 voor zowel het Random Forest model als het XGBoost model. De inkomsten worden aangepast aan de werkelijke omvang van de leningen, zodat de waarde ervan de inkomsten vertegenwoordigt die per klant moeten worden gemaakt. Zodra de limiet 0 heeft bereikt, bereikt het model de absoluut meest agressieve instelling waarbij alle leningen moeten worden afgewikkeld. Dit is in feite de manier waarop het bedrijf van de client’ zich gedraagt zonder het model: de dataset bestaat alleen uit de leningen die zijn verstrekt. Het is echt duidelijk dat de opbrengst lager is dan -1.200, wat betekent dat het voortdurende bedrijf meer dan 1.200 dollar per lening verliest.In het geval dat de limiet op 0 is gepland, wordt het model waarschijnlijk het meest conservatief, waarbij wordt verwacht dat alle leningen in gebreke blijven. In dit geval, geen leningen zal binnenkort worden uitgegeven. U zult noch geld vernietigd, noch enige winst, wat leidt tot een inkomen van 0.To verkrijgen van de geoptimaliseerde limiet als het gaat om model, de uiterste inkomsten moet worden gevonden. De sweet spots kunnen worden gevonden: Het Random Forest-model bereikt de maximumwinst van 154,86 bij een drempel van 0,71 en het XGBoost-model bereikt de maximumwinst van 158,95 bij een drempel van 0,95 in beide modellen. Beide modellen hebben de mogelijkheid om verliezen om te zetten in inkomsten met stijgingen van zeer bijna 1.400 dollar per individu. Hoewel het XGBoost-model de opbrengst met ongeveer 4 dollar beduidend meer verbetert dan het Random Forest-model, is zijn model van de winstcurve steiler over de top. De drempel kan worden ingesteld tussen 0,55 en 1 om een winst te garanderen, maar het XGBoost-model heeft slechts een bereik tussen 0,8 en 1 in het Random Forest-model. Bovendien biedt de afgevlakte vorm binnen het Random Forest-model robuustheid tegen vrijwel alle veranderingen in de informatie en kan de verwachte duur van het model worden verlengd voordat een update van het model noodzakelijk is. Bijgevolg wordt aanbevolen het Random Forest model te implementeren gedurende de limiet van 0,71 om de opbrengst te optimaliseren met een prestatie die relatief stabiel is.4. ConclusiesDeze taak is een gemiddelde classificatie die binair is, waarbij gebruik wordt gemaakt van de hypotheek- en individuele informatie om te anticiperen op de vraag of de klant in gebreke zal blijven bij de hypotheek. Het doel is het model te gebruiken als een instrument om keuzes te maken bij het verstrekken van de leningen. Twee classificeerders zijn gemaakt Random die gebruik maakt van Forest XGBoost. Beide modellen zijn in staat om het verlies om te zetten in een voordeel van meer dan 1.400 dollar per lening. Het Random Forest model wordt aanbevolen om te worden uitgevoerd vanwege zijn prestaties die stabiel is en om fouten.De relaties tussen functies zijn nu onderzocht voor een betere functie engineering. Functies zoals bijvoorbeeld Tier en Selfie ID Check zijn waargenomen worden mogelijke voorspellers die de status voor de lening te bepalen, en elk van die zijn al geverifieerd later in de categorie modellen, omdat ze zowel te vinden in de lijst die is top van waarde. Een groot aantal andere functies zijn veel minder duidelijk van de functies die ze spelen dat de hypotheek status beïnvloeden, dus apparaat leren modellen zijn ontworpen om dergelijke intrinsieke gewoonten te leren.You vindt 6 classificatie die wordt vaak gebruikt als aanvragers, met inbegrip van KNN, Gaussian NaГЇve Bayes, Logistische Regressie, Lineaire SVM, Random Forest, en XGBoost. Zij bestrijken een grote verscheidenheid van families, van niet-parametrische tot probabilistische, tot parametrische, tot op bomen gebaseerde ensemblemethoden. Het Random Forest model en het XGBoost model leveren de beste prestaties: het eerste heeft een precisie van 0,7486 in de testverzameling en het laatste heeft een precisie van 0,7313 na fijnafstelling. De absoluut belangrijkste taak is de getrainde modellen te optimaliseren om de opbrengst te maximaliseren. Classificatiedrempels zijn aanpasbaar om de “strengheid” van deze voorspellingsresultaten te wijzigen: Met lagere drempels is het model agressiever waardoor meer leningen kunnen worden verstrekt; met hogere drempels wordt het conservatiever en zal het geen leningen verstrekken tenzij er zeker een grote waarschijnlijkheid is dat de leningen kunnen worden terugbetaald. De relatie tussen de winst en het drempelniveau is bepaald door de winstformule te gebruiken als de verliesfunctie. In beide modellen komen “sweet spots” voor die de onderneming helpen om van verlies naar winst te gaan. Het bedrijf is in staat een winst van 154,86 en 158,95 per klant te behalen met het Random Forest en XGBoost model, respectievelijk, zonder het model is er een verlies van meer dan 1.200 dollar per lening, maar na het implementeren van de classificatiemodellen. Hoewel een grotere winst wordt behaald door gebruik te maken van het XGBoost-model, wordt nog steeds voorgesteld het Random Forest-model te implementeren voor de productie omdat de inkomstencurve bovenaan vlakker is, hetgeen robuustheid tegen fouten en stabiliteit bij veranderingen oplevert. Als gevolg van deze reden kan minder onderhoud en updates worden verwacht in het geval dat Random Forest model wordt geplukt voor.De stappen die zijn volgende de taak zijn om het model te implementeren en de prestaties te controleren wanneer meer recente documenten worden gelokaliseerd.Wijzigingen zullen waarschijnlijk nodig zijn ofwel seizoensgebonden of op elk moment dat de prestaties onder de standaard criteria valt om voor de wijzigingen gebracht door de externe facetten toe te staan. De regelmatigheid van het model onderhoud voor deze toepassing niet hoog te zijn, mits de hoeveelheid deals intake, als het model moet worden gebruikt in een gedetailleerde en mode die tijdig is het echt niet moeilijk om deze taak om te zetten in een on-line leren pijplijn die ervoor zal zorgen dat het model altijd zo veel als date.