要求
根據貸款申請人的數據信息預測其是否有違約的可能，以此判斷是否通過此項貸款。
數據概況
總數據量超過120w，包含47列變量信息，其中15列為匿名變量。從中抽取80萬條作為訓練集，20萬條作為測試集A，20萬條作為測試集B，同時對employmentTitle、purpose、postCode和title等信息進行脫敏
賽題地址：https://tianchi.aliyun.com/competition/entrance/531830/information?lang=zh-cn
評測標准
AUC評估模型
- AUC(area under the curve)是ROC曲線下的面積
學習路線： 混淆矩陣 -> ROC -> AUC - 混淆矩陣
以預測腫瘤是否為惡行為例：
如圖：TP表示預測為良性，而實際也是良性的樣例數；
FN表示預測為惡性，而實際是良性的樣例數；
FP表示預測為良性，而實際是惡性的樣例數；
TN表示預測為惡性，而實際也是惡性的樣例數；
以上四個數構成混淆矩陣，然后定義兩個變臉：
FPR表示，在所有的惡性腫瘤中，被預測成良性的比例。稱為偽陽性率。偽陽性率告訴我們，隨機拿一個惡性的腫瘤樣本，有多大概率會將其預測成良性腫瘤。顯然我們會希望FPR越小越好
TPR表示，在所有良性腫瘤中，被預測為良性的比例。稱為真陽性率。真陽性率告訴我們，隨機拿一個良性的腫瘤樣本時，有多大的概率會將其預測為良性腫瘤。顯然我們會希望TPR越大越好
以FPR/TPR為坐標畫圖：（顯然左上角的最好）
- 將正負樣本分離的程度不同，不由不同的ROC曲線
- ROC曲線下面的面積即為AUC，其除了考慮了准確性之外還考慮的閾值的影響，所以很穩定
參考：https://blog.csdn.net/liweibin1994/article/details/79462554